计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2013年
7期
77-79,83
,共4页
半监督分类%Tri-Training算法%数据编辑
半鑑督分類%Tri-Training算法%數據編輯
반감독분류%Tri-Training산법%수거편집
semi-supervised classification%Tri-Training algorithm%data editing
在实际应用中,容易获取大量的未标记样本数据,而样本数据是有限的,因此,半监督分类算法成为研究者关注的热点.文中在协同训练Tri-Training算法的基础上,提出了采用两个不同的训练分类器的Simple-Tri-Training方法和对标记数据进行编辑的Edit-Tri-Training方法,给出了这三种分类方法与监督分类SVM的分类实验结果的比较和分析.实验表明,无标记数据的引入,在一定程度上提高了分类的性能;初始训练集和分类器的选取以及标记过程中数据编辑技术,都是影响半监督分类稳定性和性能的关键点.
在實際應用中,容易穫取大量的未標記樣本數據,而樣本數據是有限的,因此,半鑑督分類算法成為研究者關註的熱點.文中在協同訓練Tri-Training算法的基礎上,提齣瞭採用兩箇不同的訓練分類器的Simple-Tri-Training方法和對標記數據進行編輯的Edit-Tri-Training方法,給齣瞭這三種分類方法與鑑督分類SVM的分類實驗結果的比較和分析.實驗錶明,無標記數據的引入,在一定程度上提高瞭分類的性能;初始訓練集和分類器的選取以及標記過程中數據編輯技術,都是影響半鑑督分類穩定性和性能的關鍵點.
재실제응용중,용역획취대량적미표기양본수거,이양본수거시유한적,인차,반감독분류산법성위연구자관주적열점.문중재협동훈련Tri-Training산법적기출상,제출료채용량개불동적훈련분류기적Simple-Tri-Training방법화대표기수거진행편집적Edit-Tri-Training방법,급출료저삼충분류방법여감독분류SVM적분류실험결과적비교화분석.실험표명,무표기수거적인입,재일정정도상제고료분류적성능;초시훈련집화분류기적선취이급표기과정중수거편집기술,도시영향반감독분류은정성화성능적관건점.