针对小样本分类的半监督式学习法
作者单位：国立成功大学工业与资讯管理学系 国立成功大学
会议名称：《第25届全国灰色系统会议》
会议日期：2014年
学科分类：0711[理学-系统科学] 07[理学] 071102[理学-系统分析与集成]
基 金：supported by the National Science Council Taiwan.(Plan No.NSC 102-2221-E-006-239-)
摘 要：由于成本和时间的限制因素,通常在一个新的制造系统的早期阶段能够观察到样本数量很小,并且不充分的样本将使得数据分析产生问题。半监督学习提供了一种方法来解决这个问题,其藉由少数已标记的数据所提供的知识来分析未被标记的数据。本研究开发了一种新的半监督学习方法运用可能性C均值来将已标记数据作为种子以生成初始群心并检测离群值。实验结果该方法比较于其他方法可以有更好的分类正确性。