基于半监督的联合分类方法 .pdfVIP

维普资讯

第２９卷第９期计算机工程与设计２００８年５月

ＶＯ１．２９ＮＯ．９ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎＭａｙ２００８

基于半监督的联合分类方法

梁燕，徐向阳，吴晓峰

（湖南大学计算机与通信学院，湖南长沙４１００８２）

摘要：提出一种基于半监督的联合分类方法该方法在训练过程中，先构造一个基于类中心思想的简易分类器，通过设定

有效阈值，从未标记数据中挑选区别度较大的数据加入到ＳＶＭ的训练集中；在分类过程中，根据待分类点与分类面的相对

位置，结合ＳＶＭ和ＫＮＮ算法，分两种情况来对其进行分类。实验结果表明，该方法既能在一定程度上克服监督学习算法手

动标记大量训练集的困难，又能相应地提高分类准确率。

关键词：支持向量机；Ｋ近邻算法；标记数据；训练集；监督学习

中图法分类号：ＴＰ３０１文献标识码：Ａ文章编号：１０００—７０２４（２００８）０９—２３２８—０２

Ｕｎｉｔｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄ

ＬＩＡＮＧＹａｎ，ＸＵＸｉａｎｇ—ｙａｎｇ，ＷＵＸｉａｏ—ｆｅｎｇ

Ｃｏ（ｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎ，ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８２，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｕｎｉｔｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｉｓｂｒｏｕｇｈｔｆｏｒｗａｒｄｂａｓｅｄｏｎｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄ．Ｆｏｒｔｈｉｓｍｅｔｈｏｄ，ｉｎｔｈｅｔｒａｉｎｉｎｇｐｒｏｃｅｓｓ，ａ

ｓｉｍｐｌｅｃｌａｓｓｉｆｉｅｒｂａｓｅｄｏｎｔｈｅｉｄｅａｏｆｅａｃｈｃｌａｓｓｈａｖｉｎｇａｃｅｎｔｅｒｉｓｄｅｓｉｇｎｅｄ，ｗｈｉｃｈｃａｎｓｅｌｅｃｅｔｆｆｉｃｉｅｎｔｄａｔａｆｒｏｍｐｌｅｎｔｙｏｆｎｕｌａｂｅｌｅｄｄａｔａ

ｔｏｌａｂｅｌａｎｄｔｈｎｅａｄｄｉｎｔｏｔｈｅＳＶＭｔｒａｉｎｉｎｇｓｅｔ．Ｉｎｔｈｅｃｌａｓｓｉｆｙｉｎｇｐｒｏｃｅｓｓ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｌａｔｉｖｅｐｏｓｉｔｉｏｎｏｆｔｈｅｃｌａｓｓｉｙｆｉｎｇｐｏｉｎｔｔｏ

ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｓｕｒｆａｃｅ，ｃｏｍｂｉｎｅＳＶＭｎａｄＫＮＮ，ｔｈｅｃｌａｓｓｉｆｉｅｒｈａｓｔｗｏｗａｙｓｔｏｄｅｔｅｒｍｉｎｅｉｔｓｃｌａｓｓ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｈｔａｔｔｈｅｍｅｔｈｏｄ

Ｃａｎｎｏｔｏｎｌｙｏｖｅｒｃｏｍｅｔｈｅｄｉｆｆｉｃｕｌｔｉｅｓｏｆｔｈｅｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｍａｎｕａｌｌｙｌａｂｅｌｉｎｇｌａｒｇｅｔｒａｉｎｉｎｇｓｅｔｔｏｓｏｍｅｅｘｔｅｎｔ，ｂｕｔａｌｓｏ

ｃｏｒｒｅｓｐｏｎｄｉｎｇｌｙｉｍｐｒｏｖｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃ￣

Ｋｅｙｗｏｒｄｓ：ＳＶＭ；ＫＮＮ；ｌａｂｅｌｅｄｄａｔａ；ｔｒａｉｎｉｎｇｓｅｔ；ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ

ｎｅｉｇｈｂｏｒ）上改进的分类方法。该方法的思路为：如果一个样本

０引言