

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、半監(jiān)督學(xué)習(xí)是近年來提出的一種新的學(xué)習(xí)方法,根據(jù)學(xué)習(xí)目的的不同大致可以分為半監(jiān)督分類和半監(jiān)督聚類。其主要思想是在已標(biāo)記訓(xùn)練數(shù)據(jù)集較少的情況下,如何結(jié)合大量的未標(biāo)記數(shù)據(jù)來改善學(xué)習(xí)性能。
本文探討的是半監(jiān)督分類。主要針對半監(jiān)督分類算法中典型的自訓(xùn)練分類算法進行了大量的研究與分析。針對自訓(xùn)練分類模型在初始階段已標(biāo)記訓(xùn)練集較少的情況,訓(xùn)練得到的分類器性能不高的事實,進行了適當(dāng)?shù)母倪M。即在自訓(xùn)練分類模型中引入了基于最近鄰規(guī)則的數(shù)據(jù)剪輯
2、技術(shù),試圖辨別出在訓(xùn)練過程和分類過程中引入的誤標(biāo)記數(shù)據(jù)從而起到凈化訓(xùn)練集的目的。在訓(xùn)練的迭代過程中使用該技術(shù),辨別和清除噪音,凈化訓(xùn)練集,提高分類準(zhǔn)確率。本文的實驗數(shù)據(jù)集采用UCI機器學(xué)習(xí)庫中隨機抽取的數(shù)據(jù)集。實驗結(jié)果表明,引入該數(shù)據(jù)剪輯技術(shù)后的分類模型相對于原模型在分類準(zhǔn)確率上有不同程度的提高,經(jīng)過對實驗數(shù)據(jù)進行分析總結(jié),平均分類準(zhǔn)確率提高了6.705%。
本文還針對Tri-Training分類模型分類能力的局限性,進行
3、了適當(dāng)?shù)母倪M。使用了一種基于不同分類器之間相互合作,利用投票選舉的方式對未標(biāo)記數(shù)據(jù)進行標(biāo)記的模型。該模型針對傳統(tǒng)的由Zhou等人提出的Tri-Training分類模型利用相同分類器之間相互合作,投票選舉的方式給出了改進模型。在基于不同分類器相互合作的同時,如同自訓(xùn)練分類模型的改進,同樣引用了基于最近鄰規(guī)則的數(shù)據(jù)剪輯技術(shù),該技術(shù)旨在減少噪音數(shù)據(jù)凈化訓(xùn)練集。實驗數(shù)據(jù)集同樣來自UCI機器學(xué)習(xí)庫中隨機抽取的數(shù)據(jù)集。通過實驗表明,改進后的模型相對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于信息熵的自訓(xùn)練半監(jiān)督高光譜遙感影像分類研究.pdf
- 基于半監(jiān)督協(xié)同訓(xùn)練的文本情感分類研究.pdf
- 基于圖模型的半監(jiān)督SVM分類算法研究與應(yīng)用.pdf
- 基于半監(jiān)督分類的入侵檢測系統(tǒng)模型研究.pdf
- 基于圖的半監(jiān)督學(xué)習(xí)模型研究與分類器設(shè)計.pdf
- 基于協(xié)同訓(xùn)練的半監(jiān)督短文本分類方法研究.pdf
- 半監(jiān)督網(wǎng)頁分類研究.pdf
- 半監(jiān)督聚類與分類算法研究.pdf
- 特定領(lǐng)域半監(jiān)督文本分類系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 半監(jiān)督組合分類算法研究與應(yīng)用.pdf
- 基于自步學(xué)習(xí)的對標(biāo)簽噪聲穩(wěn)健的半監(jiān)督分類方法研究.pdf
- 基于半監(jiān)督的網(wǎng)頁分類.pdf
- 基于流形的半監(jiān)督分類方法研究.pdf
- 半監(jiān)督協(xié)同訓(xùn)練算法的研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的文本情感分類平臺的設(shè)計與實現(xiàn).pdf
- 基于圖的半監(jiān)督分類算法研究.pdf
- 半監(jiān)督降維和分類算法研究.pdf
- 基于圖的半監(jiān)督情感分類算法研究.pdf
- 基于稀疏編碼的半監(jiān)督圖像分類研究.pdf
- 基于局部學(xué)習(xí)的半監(jiān)督分類問題研究.pdf
評論
0/150
提交評論