基于密度分布的半监督回归算法研究  

Research of Semi-supervised Regression Algorithm Based on Density Distribution

作　　者：张倩[1] 李明[1] 王雪松[1] 

机构地区：[1]中国矿业大学信电学院,江苏徐州221116

出　　处：《工矿自动化》2012年第3期29-30,共2页Journal Of Mine Automation

基　　金：国家自然科学基金项目(61072094;60804022);江苏省2011年度普通高校研究生科研创新计划项目(CXLX11-0318)

摘　　要：提出了推导密度函数的基本假设,对密度函数进行了推导,通过密度函数实现了密度区域的划分;对同一密度范围内的未标签值标记的估计给出了具体的处理方法;最后介绍了基于密度分布的半监督回归算法的具体实现步骤。该算法实现了对未标签点的标记,能够减小对未标签点标签值的估计误差,提高估计的准确度。The paper proposed a basic hypothesis for deducing density function and derived density function.It achieved density regional division through the density function,gave a specific estimating approach for computing tag value of untagged label within the same density range,and described specific implementation steps of semi-supervised regression algorithm based on density distribution.The algorithm achieves mark of untagged points,and can reduce estimating error of the tag value and improve estimation accuracy.

关 键 词：机器学习 半监督学习 回归算法 密度分布 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]