基于改进主动学习和自训练的联合算法OA北大核心CSTPCD
A joint algorithm by combined improved active learning and self-training
针对主动学习面向大型数据集人工标记成本过高和半监督自训练算法中存在误标记点影响的问题,提出了一种主动学习与半监督自训练交替迭代训练的联合算法.算法在训练过程中奇数轮次采用主动学习算法,偶数轮次采用自训练算法,通过2种算法的交替迭代训练以弥补彼此不足.自训练算法对无标记样本的预测减轻了主动学习标记样本的负担,同时主动学习标记易变成噪声的样本,减轻了自训练算法训练过程中对样本的标记错误.提出了一种基于密度峰值聚类和隶属度的改进主动学习算法:将初始无标…查看全部>>
吕佳;傅屈寒
重庆师范大学计算机与信息科学学院,重庆市数字农业服务工程技术研究中心,401331,重庆重庆师范大学计算机与信息科学学院,重庆市数字农业服务工程技术研究中心,401331,重庆
信息技术与安全科学
主动学习自训练算法密度峰值聚类联合算法隶属度
《北京师范大学学报（自然科学版）》 2022 (1)
向量最优化问题的标量化研究
25-32,8
国家自然科学基金资助项目(11971084)重庆市科技创新资助项目(KJCX2020024)重庆市高校创新研究群体资助项目(CXQT20015)
评论