苏州科技学院学报(自然科学版)
囌州科技學院學報(自然科學版)
소주과기학원학보(자연과학판)
JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY OF SUZHOU(NATURAL SCIENCE EDITION)
2014年
2期
52-56
,共5页
李心磊%杨思春%彭月娥
李心磊%楊思春%彭月娥
리심뢰%양사춘%팽월아
半监督学习%SVM%最大熵%Tri-training算法
半鑑督學習%SVM%最大熵%Tri-training算法
반감독학습%SVM%최대적%Tri-training산법
semi-supervised learning%SVM%maximum entropy%Tri-training algorithm
Tri-training算法是半监督协同算法里的经典算法,该文针对算法中分类器的使用做了一些改进,由原先单一的分类器换成两个不同分类器的组合。使用SVM分类器和最大熵分类器的不同组合作为Tri-training算法里的三个分类器构成分类器模型,然后分别对稀疏型数据、密集型数据与原始Tri-training算法进行实验比较,从而验证改进的有效性。
Tri-training算法是半鑑督協同算法裏的經典算法,該文針對算法中分類器的使用做瞭一些改進,由原先單一的分類器換成兩箇不同分類器的組閤。使用SVM分類器和最大熵分類器的不同組閤作為Tri-training算法裏的三箇分類器構成分類器模型,然後分彆對稀疏型數據、密集型數據與原始Tri-training算法進行實驗比較,從而驗證改進的有效性。
Tri-training산법시반감독협동산법리적경전산법,해문침대산법중분류기적사용주료일사개진,유원선단일적분류기환성량개불동분류기적조합。사용SVM분류기화최대적분류기적불동조합작위Tri-training산법리적삼개분류기구성분류기모형,연후분별대희소형수거、밀집형수거여원시Tri-training산법진행실험비교,종이험증개진적유효성。
Tri-training algorithm is a classical algorithm in semi-supervised learning. In this paper, we have im-proved the use of classifiers by combining two different classifiers instead of only employing one. With the differ-ent combinations of SVM classifier and Maximum Entropy classifier, we formed three classifiers of Tri-training algorithm and shaped the experimental model. Then we compared sparse data and intensive data with the original Tri-training algorithm. The results have confirmed the validity of the improvement.