计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2013年
9期
162-166
,共5页
半监督学习%噪声去除%分类器训练%RSC模型%标签扩展%训练集
半鑑督學習%譟聲去除%分類器訓練%RSC模型%標籤擴展%訓練集
반감독학습%조성거제%분류기훈련%RSC모형%표첨확전%훈련집
semi-supervised learning%noise remove%classifier training%RSC model%label extension%training set
“半监督学习”是利用已经标记好的训练样本和未标记的训练样本一起训练分类器.传统的半监督训练过程对噪声不作辨别,这种做法会因噪声的存在破坏分类器的训练过程,进而影响分类器的分类效果.针对该问题,提出了基于RSC模型和噪声去除的半监督训练方法,在样本训练过程中,使用RSC标签扩展的方法,并添加噪声去除环节.实验表明,该算法能有效降低半监督学习中噪声对分类器的影响,得到更加精确的分类边界,最终提高算法的性能和稳定性.
“半鑑督學習”是利用已經標記好的訓練樣本和未標記的訓練樣本一起訓練分類器.傳統的半鑑督訓練過程對譟聲不作辨彆,這種做法會因譟聲的存在破壞分類器的訓練過程,進而影響分類器的分類效果.針對該問題,提齣瞭基于RSC模型和譟聲去除的半鑑督訓練方法,在樣本訓練過程中,使用RSC標籤擴展的方法,併添加譟聲去除環節.實驗錶明,該算法能有效降低半鑑督學習中譟聲對分類器的影響,得到更加精確的分類邊界,最終提高算法的性能和穩定性.
“반감독학습”시이용이경표기호적훈련양본화미표기적훈련양본일기훈련분류기.전통적반감독훈련과정대조성불작변별,저충주법회인조성적존재파배분류기적훈련과정,진이영향분류기적분류효과.침대해문제,제출료기우RSC모형화조성거제적반감독훈련방법,재양본훈련과정중,사용RSC표첨확전적방법,병첨가조성거제배절.실험표명,해산법능유효강저반감독학습중조성대분류기적영향,득도경가정학적분류변계,최종제고산법적성능화은정성.
