三重集约束下的自适应SSLBoost分类方法

来源：计算机应用研究杂志2020年第8期北京时间：

作者：原鑫,王振友,

单位：广东工业大学应用数学学院,广州510520；

摘要：在分类问题中，常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等，当标记数据很少、数据间差异较大时，很难找到有效的规则来分类。针对此问题提出了三重集约束下的Boosting分类算法，对标记数据、伪标记数据、无标记数据进行三重约束划分；同时引入平衡函数将更新数据的近邻两点加权，确立数据空间稳定点；根据稳定点信息对分类器进行迭代，采用梯度下降法使得平衡函数收敛，得到最终的伪标记数据和分类器。经过UCI九个数据集的实验，验证了该算法更为高效、可行。

关键词：Boosting算法,空间稳定点,三重集约束,梯度下降,平衡函数,

基金资助：广州市科技计划资助项目(201707010435)；；