噪声可容忍的标记组合半监督学习算法
来源：计算机工程杂志2019年第4期北京时间：
作者：林金钏,艾浩军
单位：武汉大学 计算机学院,武汉 430072
摘要：针对传统机器学习方法在完成分类任务时多数存在人工标记成本较高、泛化能力较弱的问题,提出一种标记组合半监督学习算法。基于集成学习的思想,利用有标记数据训练多个弱模型并进行组合,增强模型的泛化能力。对无标记数据进行预测,生成有噪声的标记并组合建模。在风险最小化的框架下,使模型收敛达到最优。实验结果表明,在2种有监督场景下与现有的支持向量机、分类与回归树、神经网络等算法相比,该算法具有较优的泛化能力。
关键词：半监督学习,集成学习,风险最小化,梯度下降,损失函数
基金资助：国家重点研发计划(2016YFB0502201)。
