基于图的半监督协同训练算法  

Confidence estimation for semi-supervised learning based on graph

作　　者：郭涛[1,2] 李贵洋[1,2] 兰霞[2] 

机构地区：[1]可视化计算与虚拟现实四川省重点实验室,四川成都610066 [2]四川师范大学计算机科学学院,四川成都610101

出　　处：《计算机工程与设计》2012年第9期3584-3587,3621,共5页Computer Engineering and Design

基　　金："可视化计算与虚拟现实四川省重点实验室"基金项目(PJ201102)

摘　　要：针对协同训练算法对无标记数据挑选效率较低,导致噪声数据引入问题,提出了基于图的置信度估计半监督协同训练算法(CESL)。利用样本数据自身的结构信息,显式计算无标记样本所属类别概率。同时,采用了多分类器隐式对无标记数据进行置信度估计,以提高无标记数据挑选标准。将显示计算和隐式估计结合对无标记数据进行选择,减低噪音数据的引入,更新分类器。在UCI数据集上的对比实验表明了该算法的有效性。To select unlabeled data effectively and reduce the introduction of noise data,confidence estimation for semi-supervised learning based on graph（CESL）algorithm is proposed.The algorithm makes use of structure information of sample data to calculate classification probability of unlabeled data explicitly.Combining with multi-classifiers,the algorithm estimates the confidence of unlabeled data implicitly and improve the selection criteria.With dual-confidence estimation,the unlabeled data is selected to update classifiers.Experiments on UCI datasets prove the efficiency of this algorithm.

关 键 词：半监督学习 协同训练 图 置信度 分类 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]