半监督分类中的噪声控制及相关算法

来源：江苏大学学报·自然科学版杂志2015年第4期北京时间：

作者：姜震,詹永照

单位：江苏大学 计算机科学与通信工程学院, 江苏 镇江 212013

摘要：为了更好地控制利用伪标签样本学习的这类半监督分类算法中的噪声,针对以往研究中分布噪声难以量化并被忽视的问题,提出一种基于高斯混合模型和伪验证集的噪声量化和分析的新方法．根据噪声下的泛化误差分析,提出一种可回溯的分类器迭代训练策略,可以有效降低伪标签样本带来的噪声影响．通过将该训练策略与集成学习相结合,提出一种ensemble selflearning(ESL)算法,能够进一步提高分类算法的泛化性能．在6个公开数据集上与同类先进算法进行了试验比较．结果表明,所提出的算法取得了最高的平均准确率,并且在75％的试验数据集上都取得了最好的准确率．

关键词：伪标签样本, 分类, 噪声, 集成学习, 半监督学习

基金资助：<p>国家自然科学基金资助项目(61170126);中国博士后科学基金资助项目(2014M561585); 江苏大学高级人才启动基金资助项目(14JDG036)</p>