基于图的半监督协同训练算法  

Semi-supervised Collaborative Training Algorithm Based on Graph

作　　者：郭涛[1,2] 李贵洋[1,2] 兰霞[2] 

机构地区：[1]四川省可视化计算和虚拟现实重点实验室,成都610068 [2]四川师范大学计算机科学学院,成都610101

出　　处：《计算机工程》2012年第13期163-165,168,共4页Computer Engineering

基　　金：四川省科技厅重点实验室基金资助项目"可视化计算与虚拟现实"(PJ201102)

摘　　要：在分类器训练过程中,无标记数据的引入容易产生噪音,从而降低分类精度。为此,提出一种基于图的置信度估计半监督协同训练算法。利用样本数据自身的结构信息,计算无标记样本所属类别概率。采用多分类器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,减少噪音数据的引入。在UCI数据集上的对比实验验证了该算法的有效性。In classifier training process, the introduction of unlabeled data can cause noise data, and it reduces classification accuracy. This paper proposes Confidence Estimation for Semi-supervised Learning based on graph（CESL） algorithm. The algorithm makes use of structure information of sample data to calculate classification probability of unlabeled data explicitly. Combined with multi-classifiers, the algorithm estimates the confidence of unlabeled data implicitly and improves 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 置信度 分类 无标记数据 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]