半監(jiān)督網(wǎng)頁分類研究.pdf

1、在傳統(tǒng)的網(wǎng)頁分類中,通常采用有監(jiān)督學(xué)習(xí),通過對大量有標記(labeled)的網(wǎng)頁訓(xùn)練集進行學(xué)習(xí)來預(yù)測未標記(unlabeled)網(wǎng)頁的類別。但是,獲取大量有標記的實例需要花費大量的人力物力,而收集大量的未標記實例已相當(dāng)容易。半監(jiān)督學(xué)習(xí)就是在只有少量有標記數(shù)據(jù)的情況下,利用大量未標記數(shù)據(jù)來提高學(xué)習(xí)效果的。
　　 本文詳細介紹了在半監(jiān)督學(xué)>J研究領(lǐng)域開展的兩方面的工作:1.依據(jù)協(xié)同訓(xùn)練的特點及其衍生算法Tri-Training使片j

2、集成學(xué)習(xí)的優(yōu)點,在此基礎(chǔ)上,進一步研究將集成學(xué)習(xí)和半監(jiān)督學(xué)習(xí)結(jié)合的方法,提出了基于袋裝的半監(jiān)督分類算法,并使用了熵來篩選未標記數(shù)據(jù),使用強數(shù)據(jù)以提升了分類的精度；2.進一步研究基于圖的方法,圖方法理論基礎(chǔ)比較健全,很好的描述了數(shù)據(jù)的特征,但是其計算量很大并且圖方法本身是直推式的,不具有歸納性。針對這些問題,重點研究了類別傳播算法,最后結(jié)合聚類分析,先對未標記數(shù)據(jù)進行局部聚類,選擇可信度高的進行標記,減少未標記數(shù)據(jù)量以加快計算速度。在歸納