基于RSC模型和噪声去除的半监督训练方法
Semi-supervised training approach based on RSC model and noise removing作者机构：南京工程学院信息化建设与管理办公室江苏南京211167
出 版 物：《计算机工程与科学》 (Computer Engineering & Science)
年 卷 期：2013年第35卷第9期
页 面：162-166页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：南京工程学院青年基金资助项目(QKJB2011028)
主 题：半监督学习 噪声去除 分类器训练 RSC模型 标签扩展 训练集
摘 要：半监督学习是利用已经标记好的训练样本和未标记的训练样本一起训练分类器。传统的半监督训练过程对噪声不作辨别,这种做法会因噪声的存在破坏分类器的训练过程,进而影响分类器的分类效果。针对该问题,提出了基于RSC模型和噪声去除的半监督训练方法,在样本训练过程中,使用RSC标签扩展的方法,并添加噪声去除环节。实验表明,该算法能有效降低半监督学习中噪声对分类器的影响,得到更加精确的分类边界,最终提高算法的性能和稳定性。
维普期刊数据库
同方期刊数据库