计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
11期
3090-3093
,共4页
于重重%刘宇%谭励%商利利%马萌
于重重%劉宇%譚勵%商利利%馬萌
우중중%류우%담려%상리리%마맹
多视图%半监督协同学习%组合标记%分类器差异%桥梁结构健康监测
多視圖%半鑑督協同學習%組閤標記%分類器差異%橋樑結構健康鑑測
다시도%반감독협동학습%조합표기%분류기차이%교량결구건강감측
multi-view%semi-supervised co-training learning%combined label%classifier difference%bridge structured health monitoring
为了提高多视图半监督协同算法的性能,并针对算法应用范围受限的问题,提出了一种组合标记规则的协同训练方法.该算法将一致性与非一致性标记规则相结合,若分类器具有相同标记则将对应样本加入到相应的样本集中；若标记不同且两分类器对应的标记置信度差值超过了一定的阈值,则采用高置信度分类器的标记结果,并将样本添加到相应的样本集中.通过判断两分类器对相应样本的标记是否一致以及差异性阈值对未标记样本进行组合标记,并利用分类器差异性判断原则更新分类模型,充分利用未标记样本中的有用信息将分类器性能提高5％以上.所提出的算法在桥梁结构健康监测数据集及标准UCI数据集上的实验结果验证了算法在多视图分类问题上的有效性和可行性.
為瞭提高多視圖半鑑督協同算法的性能,併針對算法應用範圍受限的問題,提齣瞭一種組閤標記規則的協同訓練方法.該算法將一緻性與非一緻性標記規則相結閤,若分類器具有相同標記則將對應樣本加入到相應的樣本集中；若標記不同且兩分類器對應的標記置信度差值超過瞭一定的閾值,則採用高置信度分類器的標記結果,併將樣本添加到相應的樣本集中.通過判斷兩分類器對相應樣本的標記是否一緻以及差異性閾值對未標記樣本進行組閤標記,併利用分類器差異性判斷原則更新分類模型,充分利用未標記樣本中的有用信息將分類器性能提高5％以上.所提齣的算法在橋樑結構健康鑑測數據集及標準UCI數據集上的實驗結果驗證瞭算法在多視圖分類問題上的有效性和可行性.
위료제고다시도반감독협동산법적성능,병침대산법응용범위수한적문제,제출료일충조합표기규칙적협동훈련방법.해산법장일치성여비일치성표기규칙상결합,약분류기구유상동표기칙장대응양본가입도상응적양본집중；약표기불동차량분류기대응적표기치신도차치초과료일정적역치,칙채용고치신도분류기적표기결과,병장양본첨가도상응적양본집중.통과판단량분류기대상응양본적표기시부일치이급차이성역치대미표기양본진행조합표기,병이용분류기차이성판단원칙경신분류모형,충분이용미표기양본중적유용신식장분류기성능제고5％이상.소제출적산법재교량결구건강감측수거집급표준UCI수거집상적실험결과험증료산법재다시도분류문제상적유효성화가행성.
