可能性聚类假设的半监督分类方法

摘要：

在机器学习领域,基于图的半监督学习凭借其直观性和良好的学习性能而吸引了越来越多的关注.针对现有的基于图的半监督学习方法对噪声和异常数据的鲁棒性不够好/较敏感的问题,提出一种基于可能性聚类假设的半监督分类方法(Semi-Supervised Classification Method of Possibilistic Clustering Assumption,SSPCA),其约束每个数据点与其局部加权均值具有相同的标签隶属度值,以此来提高分类方法的可靠性,此外,在目标函数中引入一个关于模糊熵的正则项,通过增大样本判别信息量来增强隶属度函数的泛化能力,提高了该方法对噪声和异常数据的鲁棒性.在实际数据集上的大量实验结果证实了所提方法具有很好的分类可靠性和鲁棒性.

关键词：可能性聚类、半监督分类、隶属度函数、局部加权均值、模糊熵

所属期刊栏目：56

分类号：TP181(自动化基础理论)

资助基金：浙江省教育厅科研项目;浙江省公益技术研究计划/工业项目;国家自然科学基金;浙江省自然科学基金;宁波市自然科学基金

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：65-74