基于核均值漂移聚类的改进局部协同训练算法 |
| |
引用本文: | 鲜焱, 吕佳.基于核均值漂移聚类的改进局部协同训练算法[J].重庆师范大学学报(自然科学版),2020(4):106. |
| |
作者姓名: | 鲜焱 吕佳 |
| |
作者单位: | 重庆师范大学 计算机与信息科学学院; 重庆师范大学 重庆市数字农业服务工程技术研究中心, 重庆 401331 |
| |
摘 要: | 【目的】针对协同训练算法不能直接应用于单视图数据,且在迭代过程中加入的无标记样本隐含有用信息不够的问题,提出基于核均值漂移聚类的改进局部协同训练算法。【方法】该算法先在有标记样本集中利用改进局部协同训练算法训练一个完整视图分类器h1,同时挑选出价值高的特征子集来训练局部视图分类器h2,然后在无标记样本集中采用核均值漂移算法选择聚类过程中指定带宽范围内的样本,交由分类器h2标记类别后再加入分类器h1的训练中,以此来优化分类模型。【结果】在UCI数据集上的3组对比实验证明了该算法的有效性,实验结果表明该算法具有更高的模型评价能力。【结论】改进局部协同训练算法将数据集划分为局部视图和完整视图,解决了单视图数据的视图划分问题。利用核均值漂移算法选出较好表现数据空间结构的无标记样本,降低了无标记样本带来的误差。
|
关 键 词: | 协同训练 均值漂移 流行正则化 特征选择 视图划分 |
|
| 点击此处可从《重庆师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆师范大学学报(自然科学版)》下载免费的PDF全文 |