三重集约束下的自适应SSLBoost分类方法

作者：原鑫; 王振友

来源：计算机应用研究, 2020, (08): 2376-2380.

DOI：10.19734/j.issn.1001-3695.2019.03.0037

• Boosting算法
• 空间稳定点
• 三重集约束
• 梯度下降
• 平衡函数 Boosting algorithm
• space stability point
• triple set constraints
• gradient descent
• balanced function

在分类问题中,常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等,当标记数据很少、数据间差异较大时,很难找到有效的规则来分类。针对此问题提出了三重集约束下的Boosting分类算法,对标记数据、伪标记数据、无标记数据进行三重约束划分;同时引入平衡函数将更新数据的近邻两点加权,确立数据空间稳定点;根据稳定点信息对分类器进行迭代,采用梯度下降法使得平衡函数收敛,得到最终的伪标记数据和分类器。经过UCI九个数据集的实验,验证了该算法更为高效、可行。

• 单位
  广东工业大学