面向高維數(shù)據(jù)分類的自適應半監(jiān)督集成方法
Ref
Yu, Zhiwen, et al. "Adaptive semi-supervised classifier ensemble for high dimensional data classification." IEEE transactions on cybernetics 49.2 (2017): 366-379.
Abstract
在有限的標記訓練數(shù)據(jù)上進行高維數(shù)據(jù)分類是數(shù)據(jù)挖掘領域一項具有挑戰(zhàn)性的任務。為了解決這一問題鸯旁，我們首先提出了一種基于特征選擇的半監(jiān)督分類器集成執(zhí)行高維數(shù)據(jù)分類的框架（FSCE）陨闹。然后庶诡，我們設計了一個自適應半監(jiān)督分類器集成框架（ASCE）以改進FSCE。與FSCE相比彻秆，ASCE的特點是自適應特征選擇過程版姑，自適應加權過程（AWP）和輔助訓練集生成過程（ATSGP）。自適應特征選擇過程基于特征選擇算法獲得的選定屬性生成一組緊湊的特征子空間块茁，而AWP使用權重關聯(lián)每一個半監(jiān)督分類器。ATSGP使用未標記的樣本擴展訓練集桂肌。此外数焊，采用一組非參數(shù)檢驗在不同的數(shù)據(jù)集上對多個半監(jiān)督分類器集成（SSCE）方法進行比較。20個現(xiàn)實世界的高維數(shù)據(jù)集的研究數(shù)據(jù)表明：1）中的兩個自適應過程
ASCE有助于提高SSCE的性能方法和2）ASCE在高維數(shù)據(jù)集上運行良好轴或。
