模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2009, Vol. 22 Issue (6): 924-930    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于单类分类器的半监督学习*
缪志敏1,赵陆文1,胡谷雨2,王琼2
1.解放军理工大学 通信工程学院 南京 210007
2.解放军理工大学 指挥自动化学院 南京 210007
Semi-Supervised Learning Based on One-Class Classification
MIAO Zhi-Min1, ZHAO Lu-Wen1, HU Gu-Yu2,WANG Qiong2
1.Institute of Communication Engineering, PLA University of Science and Technology, Nanjing 210007
2.Institute of Command Automation, PLA University of Science and Technology, Nanjing 210007

全文: PDF (423 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 提出一种结合单类学习器和集成学习优点的Ensemble one-class半监督学习算法.该算法首先为少量有标识数据中的两类数据分别建立两个单类分类器.然后用建立好的两个单类分类器共同对无标识样本进行识别,利用已识别的无标识样本对已建立的两个分类面进行调整、优化.最终被识别出来的无标识数据和有标识数据集合在一起训练一个基分类器,多个基分类器集成在一起对测试样本的测试结果进行投票.在5个UCI数据集上进行实验表明,该算法与tri-training算法相比平均识别精度提高4.5%,与仅采用纯有标识数据的单类分类器相比,平均识别精度提高8.9%.从实验结果可以看出,该算法在解决半监督问题上是有效的.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
缪志敏
赵陆文
胡谷雨
王琼
关键词 单类分类器半监督学习集成学习协同训练    
Abstract:A semi-supervised learning algorithm is proposed based on one-class classification. Firstly, one-class classifications are built respectively for each class of data on labeled dataset. Then, some unlabeled data are tested by these one-class classifications. The classification results are used to adjust and optimize two classification surfaces. All labeled data and some recognized unlabeled data are used to train a base classifier. According to the classifying results of the base classifiers, the label of the test sample is determined. Experimental results on UCI datasets illustrate that the average detection precision of the proposed algorithm is 4.5% higher than that of the tri-training algorithm and 8.9% higher than that of the classifier trained by pure labeled data.
Key wordsOne-Class Classification    Semi-Supervised Learning    Ensemble Learning    Co-Training   
收稿日期: 2008-12-22     
ZTFLH: TP181  
基金资助:国家自然科学基金(No.60603029)、中国博士后基金(No.20080441320)资助项目
作者简介: 缪志敏,女,1978年生,博士,工程师,主要研究方向为网络安全、模式识别.E-mail: olivermiao@126.com.赵陆文,男,1977年生,博士研究生,主要研究方向为认知无线电、通信信号处理.胡谷雨,男,1963年生,教授,博士生导师,主要研究方向为网络管理、网络安全.王琼,女,1979年生,博士研究生,主要研究方向为网络安全,模式识别.
引用本文:   
缪志敏,赵陆文,胡谷雨,王琼. 基于单类分类器的半监督学习*[J]. 模式识别与人工智能, 2009, 22(6): 924-930. MIAO Zhi-Min, ZHAO Lu-Wen, HU Gu-Yu,WANG Qiong. Semi-Supervised Learning Based on One-Class Classification. , 2009, 22(6): 924-930.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2009/V22/I6/924
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn