半监督集成学习综述

摘要：

半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以提升弱学习器的精度.半监督集成学习是将半监督学习和集成学习进行组合来提升分类器泛化性能的机器学习新方法.首先,在分析半监督集成学习发展过程的基础上,发现半监督集成学习起源于基于分歧的半监督学习方法;然后,综合分析现有半监督集成学习方法,将其分为基于半监督的集成学习与基于集成的半监督学习两大类,并对主要的半监督集成方法进行了介绍;最后,对现有研究进了总结,并讨论了未来值得研究的问题.

关键词：半监督学习、集成学习、半监督集成学习、boosting、Bagging、泛化性能

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：国家自然科学青年基金项目41401479;高分辨率对地观测重大专项民用部分02-Y30B06-9001-13115

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13