基于随机子空间的半监督协同训练算法

被引：15

作者：

王娇

罗四维

曾宪华

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

电子学报 | 2008年 / 36(S1)卷 / S1期

关键词：

半监督学习; 随机子空间; 随机判别; 协同训练; 多视图; RASCO;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

半监督学习是近年来的一个研究热点.协同训练(co-training)是利用未标记数据来提高传统监督学习性能的一种半监督学习范式.本文提出一种基于随机子空间的协同训练算法(RAndom Subspace CO-training,简称为RAS-CO).该算法探讨多视图的协同训练.用随机判别的理论分析了算法的分类精度和泛化能力.讨论了随机子空间的维数和个数对分类性能的影响.在UCI数据集上的实验结果表明,与其它同类算法相比,RASCO算法有较好的性能.

引用

页码：60 / 65

页数：6

共 6 条

[1] 基于自适应数据剪辑策略的Tri-training算法 [J].

邓超 ;

郭茂祖 .

计算机学报, 2007, (08) :1213-1226

[2]

机器学习及其应用[M]. 清华大学出版社 , 王珏, 2006

[3] Text Classification from Labeled and Unlabeled Documents using EM [J].

Kamal Nigam ;

Andrew Kachites Mccallum ;

Sebastian Thrun ;

Tom Mitchell .

Machine Learning, 2000, 39 :103-134

[4]

Stochastic discrimination[J] . E. M. Kleinberg.Annals of Mathematics and Artificial Intelligence . 1990 (1)

[5]

Analyzing the Effectiveness and Applicability of Co-training .2 Nigam K,Ghani R. Proceedings of the 2000 ACM CIKM . 2000

[6]

Semi-supervised Learning .2 Chapelle O,Sch lkopf B,Zien A. MIT Press . 2006

← 1 →