| 结合密度峰值优化模糊聚类的自训练方法 |
| |
| 引用本文： | 罗云松,吕佳.结合密度峰值优化模糊聚类的自训练方法[J].重庆师范大学学报(自然科学版),2019,36(2):94-100. |
| |
| 作者姓名： | 罗云松 吕佳 |
| |
| 作者单位： | 重庆师范大学计算机与信息科学学院,重庆,401331;重庆师范大学计算机与信息科学学院,重庆401331;重庆市数字农业服务工程技术研究中心,重庆401331 |
| |
| 基金项目： | 重庆市自然科学基金;人文社会科学研究项目;重庆市教委科技项目;重庆师范大学科研项目 |
| |
| 摘 要： | 【目的】为了在迭代自训练之前探索数据集分布情况,挑选出所含信息量较大且置信度较高的无标记样本加入训练集训练,让训练出的初始分类器有较高的准确性,提高自训练方法的泛化性。【方法】以聚类假设为基础,先对无标记样本集进行密度峰值聚类,在人工地选出聚类中心后,将新的聚类中心作为模糊聚类的初始聚类中心进行模糊聚类,从而筛选出有用的无标记样本。【结果】通过使用密度峰值优化模糊聚类算法,筛选出所含信息量大且置信度高的样本加入了训练集,训练出泛化性更强、分类精度更高的分类器。【结论】实验结果表明,改进后的自训练方法能快速发现样本集原始空间结构,筛选出有用无标记样本加入训练集,与结合其他聚类算法的自训练方法相比分类精度有所提高。
|
| 关 键 词： | 半监督学习 自训练方法 密度峰值优化模糊聚类 聚类假设 |
Self-Training Algorithm Combined with Density Peak Optimization Fuzzy Clustering |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 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 |
|
