科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于数字化信息具有无限性、高维度以及不平衡等特征，难以准确分类，为此提出基于半监督学习的数字化信息归并分类算法。检测原始数字化信息中的概念漂移数据，滤除噪声数据，降低对后续分类结果精度的影响；利用半监督学习训练K均值聚类算法，利用训练后算法训练数据块，构建基础分类器，通过对目标函数求解获得最优聚类中心；构建基于SDClass算法的归并分类器，计算每个数据块类标签的估计值，以及估计值与簇中心间距离，找出最近的簇，将对应的数据块划分到该簇中，实现数字化信息的归并分类。选取6种不同类型的数据集对所提方法展开实验测试，结果表明，所提方法针对不同类型的数据集均可实现高精准分类，且具有较高的分类效率。
- 单位
