针对不确定正例和未标记学习的最近邻算法

摘要：

研究了在正例和未标记样本场景下不确定样本的分类问题,提出了一种新的算法NNPU(nearest neighbor algorithm for positive and unlabeled learning).NNPU具有两种实现方式:NNPUa和NNPUu.在UCI标准数据集上的实验结果表明,充分考虑数据不确定信息的NNPUu算法要比仅仅考虑样本中不确定信息均值的NNPUa算法具有更好的分类能力;同时,NNPU算法在对精确数据进行分类时,比NN-d、OCC以及aPUNB算法性能更优.

关键词：不确定数据、正例和未标记样本学习、最近邻算法

所属期刊栏目：4

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.60873196;the Fundamental Research Funds for the Central Universities under Grant No.QN2009092

在线出版日期：2010-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：769-779