一种多分类器协同的半监督分类算法SSC_MCC
为了提高半监督分类性能,提出了一种多分类器协同的半监督分类算法SSC_MCC 。算法采用双层结构集成,使用多条件判断挖掘未标记样本信息,扩充有标记样本。第一层中,采用三分类器协同投票一致策略实现对未标记样本进行标记,第二层中采用基于正确分类率的分类器加权投票决策标记未标记样本,扩充有标记样本,用最终生成的有标记样本训练分类器,实现半监督分类。最后,使用UCI数据集模拟半监督实验,结果表明SSC_MCCL较好地提高了半监督分类性能。
半监督学习、多分类器协同、分类、双层结构
TP181(自动化基础理论)
陕西省自然科学基础研究计划资助项目2015JM6347;商洛学院科研项目14SKY006;商洛市科技计划项目SK2014-01-15
2015-10-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
1554-1558