基于RSC模型和噪声去除的半监督训练方法

摘要：

“半监督学习”是利用已经标记好的训练样本和未标记的训练样本一起训练分类器.传统的半监督训练过程对噪声不作辨别,这种做法会因噪声的存在破坏分类器的训练过程,进而影响分类器的分类效果.针对该问题,提出了基于RSC模型和噪声去除的半监督训练方法,在样本训练过程中,使用RSC标签扩展的方法,并添加噪声去除环节.实验表明,该算法能有效降低半监督学习中噪声对分类器的影响,得到更加精确的分类边界,最终提高算法的性能和稳定性.

关键词：半监督学习、噪声去除、分类器训练、RSC模型、标签扩展、训练集

所属期刊栏目：35

分类号：TP391.3(计算技术、计算机技术)

资助基金：南京工程学院青年基金资助项目QKJB2011028

在线出版日期：2013-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：162-166