学位论文 > 优秀研究生学位论文题录展示

半监督联合训练分类方法研究及其应用

作　者: 蔡晰
导　师: 郭躬德
学　校: 福建师范大学
专　业: 计算机应用技术
关键词: 半监督分类联合训练定量构效关系化合物毒性
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

常规的监督分类算法需要有大量的有标签数据才能构建出很好的分类模型,从而获得比较好的分类效果,但是现实中的情况往往难以满足这个条件,因此能够挖掘未标签数据中所包含的大量信息的半监督分类方法有重大的现实意义。本文对最重要的半监督分类算法之一的联合训练算法进行研究。在联合训练采用的分类器组合结构方面,对传统的两个分类器进行了改进,额外增加了仲裁分类器以弥补前两个分类器的不足,并提出了相应的分类器选择方法。此外,对数据集质量方面也进行了改进,提出了符合分类器结构的新颖训练集处理方法,构造出最.有利于分类的训练集,而因此被删除的点所引起的信息量损失由半监督分类从未标签数据中挖掘进行弥补。在半监督分类的过程中,如果错误标记的点被加入训练集中会影响分类效果,本文采用改进的最近邻规则方法对每一轮新标签进行检查,防止错误标记的数据加入到数据集中,提高了模型的健壮性,保证了选中的未标签数据点的安全性。在保证安全性的同时不可避免的删除部分未标签数据。在一些情况下,未标签数据也是有限的,尝试采用针对不平衡数据的SMOTE算法来补充更多的信息量,弥补为保证数据安全性造成的信息量损失。实验结果表明采用本文的算法比传统的联合训练算法有着更好的分类效果。

全文目录

中文摘要  2-3
Abstract  3-4
中文文摘  4-7
目录  7-9
绪论  9-15
  第一节研究背景和意义  9-10
  第二节半监督联合训练介绍  10-15
第一章结合集成学习的联合训练算法  15-31
  第一节背景介绍  15-18
    1.1 分类问题描述  15-16
    1.2 联合训练问题描述  16
    1.3 经典的联合训练算法  16-17
    1.4 数据集介绍  17-18
  第二节联合训练算法中基础分类器选择  18-19
  第三节基础分类器融合策略  19-20
  第四节改进的联合训练算法  20-25
    4.1 问题描述  20-21
    4.2 基础分类器选择  21-22
    4.3 分类器融合步骤  22-23
    4.4 测试阶段  23-24
    4.5 算法流程  24-25
  第五节实验和结果分析  25-30
    5.1 实验环境和准备  25-27
    5.2 实验结果和分析  27-30
  第六节本章总结  30-31
第二章带筛选机制的联合训练算法  31-42
  第一节筛选的意义  31-32
  第二节有筛选机制的联合训练算法  32-37
    2.1 问题描述  32
    2.2 编辑训练集提高训练集质量  32-33
    2.3 联合训练算法  33
    2.4 筛选机制保证训练集质量  33-34
    2.5 仲裁分类器  34
    2.6 改进的联合训练算法  34-37
  第三节实验及分析  37-41
  第四节本章小结  41-42
第三章有插值的联合训练算法  42-53
  第一节插值的意义  42-43
  第二节有插值的联合训练算法  43-48
    2.1 问题描述  43
    2.2 改进的联合训练算法  43
    2.3 改进的半监督过程  43-47
    2.4 仲裁分类器选取  47-48
  第三节实验及分析  48-52
  第四节本章小结  52-53
第四章结论  53-56
参考文献  56-63
攻读学位期间承担的科研任务与主要成果  63-65
致谢  65-67

半监督联合训练分类方法研究及其应用

内容摘要

全文目录

相似论文