一种双优选的半监督回归算法
针对一些工业过程中存在的有标签样本少,而传统的半监督学习无法保证对无标签样本准确预测的问题,提出一种双优选的半监督回归算法.首先,确定有标签样本密集区中心,并计算无标签样本与该中心的相似度,实现对无标签样本的优选,同时根据有标签样本间相似度优选有标签样本;然后,利用高斯过程回归方法对选出的有标签样本建立辅学习器,以对优选出的无标签样本预测标签;最后,利用这些伪标签样本提升主学习器的预测效果.通过数值例子以及实际脱丁烷塔过程数据进行建模仿真,证明了所提方法在有标签样本较少的情况下有良好的预测性能.
无标签样本、优选、半监督回归、样本密集区中心、相似度、高斯过程回归、辅学习器、主学习器、脱丁烷塔过程、预测性能
14
TP274(自动化技术及设备)
国家自然科学基金项目61773182,60712228;江苏省自然科学基金项目BK20170198
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
689-696