原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计算机研究 与发展 ISSN 1000—1239／CN 11-1777／TP
JournalofComputerResearchandDevelopment 45(11)：1874—1881，2008
一 种结合独立性模型与差异评估的Co—Training改进方案
唐焕玲 林正奎 鲁明羽 邬 俊
(大连海事大学信息科学技术学院 辽宁大连 116026)
(烟 台职业学院计算机与信息工程系 山东烟 台 264670)
(thl01@163．com)
AnAdvancedCo—TrainingAlgorithm BasedonM utualIndependenceandDiversity
M easures
TangHuanling～，LinZhengkui，LuMingyu ，andWuJun
(SchoolofInformationScience Technology，DalianMaritimeUniversity，Dalian，Liaoning116026)
(DepartmentofComputer InformationEngineering，YantaiVocationalCollege，Yantai，Shandong264670)
Abstract Co—trainingalgorithm isconstrainedbytheassumption thatthefeaturescan besplitinto
twosubsetswhicharebothcompatibleandindependent．However，theassumptionisusuallyviolated
tosomedegreein real—worldapplication．Theauthorsproposetwomethodsto evaluatethemutual
independenceutilizing conditionalmutualinformation orconditionalCHIstatistics，and presenta
methodtoconstructamutualindependencemodel(M ID—M ode1)forinitialfeaturesset．BasedonM ID-
Model，twonovelfeaturepartition algorithmsPMID—M IandPM ID—CHIaredeveloped．Theformer
utilizesconditiona1mutualinformationtoevaluatethemutua1independencebetweentwofeatures；the
1atterutilizesconditionalCHIstatistics．Asaresult，afeaturesetcanbedividedintotwoconditional
independentsubsetsusingPMID-MIorPM ID-CHI． Comparedwith therandom splittingmethod，
both PM ID-M I and PMID—CHI accomplish better performance． In addition， the conditional
independencebetween two subsetsiS verifiedby severaldiversitymeasuressuch asQ statistic，
correlation coefficient0，disagreement， double fault， and the integrative measure DM ． Then，
combiningMID—Modelanddiversitymeasures，an improvedsemi—supervisedcategorization algorithm
namedSC—PMID iSdeveloped．TWOclassifierscanbeCO—trainedonapairofindependentsubsets．The
independenceoftWOsubsetscanreducethechanceofbothclassifiersagreeingonerrone
文档评论（0）