一种增强差异性的半监督协同分类算法.pdfVIP

第 1期 电 子 学 报 V01．41 No．1 2013年 1月 A(A嘞 ONICASINICA Jan． 2013 一 种增强差异性的半监督协同分类算法 于重重 一，商利利2谭 励 ，涂序彦 ，杨 扬 ，王竞燕 (1．北京科技大学计算机与通信工程学院，北京 100083；2．北京工商大学计算机与信息工程学院，北京 100048) 摘 要：半监督学习中的Tfi．Training算法打破了以往算法对充分冗余视图的限制，并通过利用三个分类器处理 标记置信度和样本预测问题提高了标记效率．为进一步增强协同训练过程中分类器之间的差异性以提高性能，本文在 其理论基础上提出了一种增强差异性的半监督协同分类算法．该算法利用三个不同的分类器进行学习；考虑到分类模 型在更新过程中，可能会因随机抽样导致性能恶化 ，该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽 样，并通过基于分类正确率的加权投票法实现了分类器的集成，提高了预测准确率．本文通过实验对所提出算法与 Tri． ning算法做了性能比较，实验结果表明本文所提出的方法在分类问题上具有较好的性能，验证了该算法的有效 性和可行性． 关键词： 半监督协同分类算法；Tri-Training算法；增强差异性策略；分层抽样法 中圈分类号： TPI81 文献标识码： A 文章编号： 0372-2112(2o13)01—0035—07 电子学报URL：http：／／www．eio=~ ．org．ca DOI：10．3969／j．issn．0372-2112．2013．01．007 ASemi-supervisedCollaborationClassification Algorithm withEnhancedDifference YUChong-chongI，_SHANGLi．1i2，TAN Li2，TUXu—yah，YANGYang，WANGJing-yan2 ， (1．SdwdofCo,,,m~ andOmlmuniaaionEngimming， andTedmology ，Beifing100083，Chn／a； 2．Sdloalof r andInformation l咖 ， TechnologyandBusinessUmmm~y，Bejiing100048，Chn／a) Abj；II旧ct： Tri-Tralningalgoritt~ insemi-supervisedlearningbroketherestrictionofpreviousalgorithmsonsufficientandre— dundantviewsandraisedlabelefficiencybyapplyingthreeclassifirestodealwitlllabeledconfidence．Inordertofurtherimprove classifiers’perfm throuhgenhan~ thediffetmw．ebetweenthem，asemi-supervisedcollaboraliveclassificatinoalgorithmwith enhanceddiff~ nc~thatappliesthreedifferentclassifiersWaSpresentedinthispaper．Takingthemight-beperf~ nancedeterioration ledbyrandomsamp~ dniingtheupdatingofcklss modelsinotconsideration，amethodofstratifieA