基于特征变换的Tri-Training算法.pdfVIP

第40卷 第 5期 计 算 机 工 程 2014年5月 Vo1．40 NO．5 ComputerEngineering Mav 2014 · 人工智能及识别技术 · 文章编号：1000—3428(2014)05—0183-05 文献标识码：A 中图分类号：TP18 基于特征变换的Tri．Training算法 赵文亮，郭华平，范 明 (郑州大学信息工程学院，郑州 450052) 摘 要：提出一种基于特征变换的Tri—Training算法。通过特征变换将已标记实例集映射到新空间，得到有差异的训练集，从而构 建准确又存在差异的基分类器，避免 自助采样不能充分利用全部已标记实例集的问题。为充分利用数据类分布信息，设计基于 Must—link和 Cannot·link约束集合的特征变换方法(TMC)，并将其用于基于特征变换的Tri—Training算法中。在 UCI数据集上的实 验结果表明，在不同未标记率下，与经典的Co—Training、Tri—Trainng算法相 比，基于特征变换的Tri—Training算法可在多数数据集 上得到更高的准确率。此外，与Tri—LDA和Tri—CP算法相比，基于TMC的Tri—Training算法具有更好的泛化性能。 关健词：特征变换；已标记实例集；差异；自助抽样；泛化能力 Tri-TrainingAlgorithm Based0nFeatureTransformation ZHAOW en-liang，GUOHua—ping，FAN M ing ． (SchoolofInformationEngineering，ZhengzhouUniversity,Zhengzhou450052，China) [Abstract]ThispaperproposesanewTri—Trainingalgorithmbasedonfeaturetransformation．Itemploysfeaturetransformationto transform labeledinstancesintonew spacetoobtainnew trainingsets，andconstructsaccurateanddiverseclassifiers．Inthisway,itavoids theweaknessofbootstrapsamplingwhichonlyadoptstrainingdatasamplestotrainbaseclassifiers．Inordertomakefulluseofthedata distribution infomr ation，thispaperintroducesanew transfomr ationmethodcalledTransformationBasedonMust—linkConsrtainsand Cannot-linkConstrains(TMC)，andusesittothisnewTri—Trainingalgorithm．ExperimentalresultsonUCIdatasetsshowthat，indifferent unlabeledrate，comparedwiththeclassicCo—TrainingandTri—Trainingalgorithm，theproposedalgorithm basedonfeaturetransfomr ation getsthehighestaccuracyinmostdatasets．Inaddition，comparedwiththeTri-LDAandTri—CPalgorithm，theTri-Trainingalgorithm based onTMChasbettergeneralizationabiliyt． [Keywordslfeautretransformation；labeledinstancesset；difference；