计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2013年
10期
1583-1585
,共3页
半监督学习%Tri-Training算法%数据编辑
半鑑督學習%Tri-Training算法%數據編輯
반감독학습%Tri-Training산법%수거편집
semi-supervised learning%Tri-Training%data editing
Tri Training是一种半监督学习算法,在少量标记数据下,通过三个不同的分类器,从未标记样本中采样并标记新的训练数据,作为各分类器训练数据的有效补充.但由于错误标记样本的存在,引入了嗓音数据,降低了分类的性能.论文在Tri-Training算法中分别采用DE-KNN,DE-BKNN和DE-NED三种数据编辑技术,识别移除误标记的数据.通过对六组UCI数据集的实验,分析结果表明,编辑技术的引入是有效的,三种方法的使用在一定程度上提升了Tri-Training算法的分类性能,尤其是DE-NED方法更为显著.
Tri Training是一種半鑑督學習算法,在少量標記數據下,通過三箇不同的分類器,從未標記樣本中採樣併標記新的訓練數據,作為各分類器訓練數據的有效補充.但由于錯誤標記樣本的存在,引入瞭嗓音數據,降低瞭分類的性能.論文在Tri-Training算法中分彆採用DE-KNN,DE-BKNN和DE-NED三種數據編輯技術,識彆移除誤標記的數據.通過對六組UCI數據集的實驗,分析結果錶明,編輯技術的引入是有效的,三種方法的使用在一定程度上提升瞭Tri-Training算法的分類性能,尤其是DE-NED方法更為顯著.
Tri Training시일충반감독학습산법,재소량표기수거하,통과삼개불동적분류기,종미표기양본중채양병표기신적훈련수거,작위각분류기훈련수거적유효보충.단유우착오표기양본적존재,인입료상음수거,강저료분류적성능.논문재Tri-Training산법중분별채용DE-KNN,DE-BKNN화DE-NED삼충수거편집기술,식별이제오표기적수거.통과대륙조UCI수거집적실험,분석결과표명,편집기술적인입시유효적,삼충방법적사용재일정정도상제승료Tri-Training산법적분류성능,우기시DE-NED방법경위현저.
