基于SOM神经网络的半监督分类算法.pdfVIP

第34卷第 1期 西华大学学报(自然科学版) 2015年 1月 Vo1．34，No．1 JournalofXihuaUniversity(NaturalScience) Jan．2015 · 计算机软件理论、技术与应用 · 基于 SOM神经网络的半监督分类算法 赵 建 华 (1．西北工业大学计算机学院，陕西 西安 710072；2．商洛学院数学与计算机应用学院，陕西 商洛726000) 摘 要：为提高半监督分类的性能，提出一种基于SOM神经网络的半监督分类算法SSC—SOM。结合SOM的聚类 特性，基于先聚类后标记的思想，充分利用有标记样本和未标记样本训练SOM分类器；将聚类的形成和有标记样本分 配到各个聚类中同时进行，并根据有标记样本计算各个聚类 的聚类中心；在整个未标记样本的范围内，根据聚类中 心，使用K近邻算法对未标记样本进行标记，挖掘未标记样本的隐含信息。在UCI数据集中进行分类实验，其结果表 明，SSC．SOM的分类率比SSOM提高2．22％，且收敛性较好。 关键词：半监督学习；自组织特征映射神经网络；分类 ；聚类 中图分类号：TP181 文献标志码：A 文章编号：1673—159X(2015)01—0036—05 doi：10．3969／j．issn．1673—159X2015．01．006 Semi-supervisedClassificationAlgorithm BasedonSOM NeuralNetwork ZHAOJian—hua， (1．CollegeofComputer，NorthwesternPolytechnicalUniversity，Xi’an710072China； 2．SchoolofMathematicsandComputerApplication，Shangl∞University，Shanglo“726000China) Abstract：Inordertoimprovetheperformanceofsemi—supervisedclassifier，akindofsemi—supervisedclassificationalgorithm SSC— SOM iSproposed．BasedontheclusteringcharacteristicsofSOM andtheCluster—then．Labelidea．1abeleddataandunlabeleddataareall usedtotrainSOM ．Thelabeledsamplesareassignedtoeachclusterandtheclustersform simultaneously．Theclusteringcentersraework out．K-NNalgorithm isadoptedtolabeltheunlabeledsamplesaccordingtotheclusteringcentersnadtheinformationfrom theunlabeled samplesiSmined．WithUCIdataset．experimentswerecarriedoutandtheresultsshow thattheclassificationrateofSSC—SOM increases bv2．22 ％ thanSSOM andtheSSC．SOM methodhadgoodconvergence． Keywords：semi—supervisedlearning；SOM ；classification；clustering 督学习算法，是 目前学者涉人较少的一个课题。孙雁 0 引言 飞等 提出一种基于半监督学习的GA-SOM聚类方 半监督学习是一种结合有监督学习和无监督学