基于主动学习的图半监督分类算法.pdf

《基于主动学习的图半监督分类算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年7月计算机工程与设计July2015第36卷第7期COMPUTERENGINEERINGANDDESIGNVo1．36No．7基于主动学习的图半监督分类算法高成，陈秀新+，于重重，刘宇(北京工商大学计算机与信息工程学院，北京100048)摘要：为抑制噪声数据对分类结果的影响，将噪声处理算法与高斯随机域算法相结合，提出一种带噪声系数的高斯随机域学习算法；针对样本集不平衡性数据分类问题，考虑主动学习在样本不平衡问题中的应用，将主动学习与图半监督算法相结合，提出一种鲁棒性强的主动学习图半监督分类算法。利用基于样本划分的主动学习方法，对正类的近邻样本集中样本与特定类样本形成的新样本集做总体散

2、度排序，筛选出能使新样本集中总体散度最小的样本，代替正类的近邻样本集中所有样本，形成平衡类。在UCI标准数据集上的实验结果表明，与标准的图半监督算法相比，该算法的分类精度更高、泛化能力更强。关键词：带噪声系数的高斯随机域学习算法；样本不平衡问题；主动学习；图半监督算法；主动学习图半监督分类算法中图法分类号：TP391文献标识号：A文章编号：1000—7024(2015)07—1871—05doi：10．16208／j．issnl000—7024．2015．07．037Graph——basedsemi——supervisedclassificationalgorithmbasedonactive

3、learningGAOCheng，CHENXiu-xin+，YUChong—chong，LIUYu(SchoolofComputerandInformationEngineering，BeijingTechnologyandBusinessUniversity，Beijing100048，China)Abstract：Topreventtheinfluencesofnoisedataontheresultofclassification，asemi-supervisedclassificationalgorithmbasedongraphwasputforward，whichwasGRFwit

4、hnoisefactorbycombiningnoiseprocessingalgorithmwithaGaussianrandomfieldsalgorithm．Meanwhileaimingattheimbalanceofthesamplesetofdatainclassificationandconsideringtheapplicationofactivelearninginthesampleimbalanceproblem，amethodofcombiningactivelearningwithgraph-basedsemi-supervisedalgo—rithmwasalsopr

5、oposedandarobustclassificationalgorithmwasdeveloped．ActivelearningmethodwhichbasedonthedividedsampleswasusedtOdotheoveralldivergencesortonthenewsamplesetwhichformedbycombiningtheneighborhoodsampleofpositiveclasswiththesampleofaspecificclass．Thenthesamplesetwerefilteredoutwhichmadethenewsamplesethave

6、mini—mumdivergencetosubstituteallsamplesoftheneighborhoodsamplesetofpositiveclasstoformbalancedclasses．ExperimentalresultsonUCIstandarddatasetsshowthatcomparedwiththestandardgraph-basedsembsupervisedalgorithm，thismethodhashigherclassificationaccuracyandbettergeneralizationability．Keywords：GRFwithnoi

7、sefactor；sampleimbalanceproblem；activelearning；graph-basedsemi-supervisedalgorithm；activelearningsemi-supervisedclassificationalgorithms训练算法_4]，再到把图论方法引入半监督学习，如高斯随O引言机场[5]、基于图方法的半监督学习『6等。基于图的半监督近些年，半监