基于一致性正则化与熵最小化的半监督学习算法

摘要：

在一致性正则化与熵最小化的基础上提出一种新的半监督学习算法Mean Mixup,集成数据的互补信息,然后使用熵最小化给未标记数据生成可靠的伪标签,在一致性正则化下进一步优化模型分类结果.在常用数据集SVHN和CIFAR10上对Mean Mixup算法进行了评估,实验结果表明,所提出的方法在分类准确率上优于一些已有的半监督学习算法.

关键词：半监督学习、熵最小化、一致性正则化、伪标签

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖南省重点研发计划项目

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84