登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于辅助学习与富信息策略的Tri-training算法
  • 摘要

    针对Tri-training算法利用无标记样例时会引入噪声且限制无标记样例的利用率而导致分类性能下降的缺点,提出了AR-Tri-training(Tri-training with assistant and rich strategy)算法.提出辅助学习策略,结合富信息策略设计辅助学习器,并将辅助学习器应用在Tri-training训练以及说话声识别中.实验结果表明,辅助学习器在Tri-training训练的基础上不仅降低每次迭代可能产生的误标记样例数,而且能够充分地利用无标记样例以及在验证集上的错分样例信息.从实验结果可以得出,该算法能够弥补Tri-training算法的缺点,进一步提高测试率.

  • 作者

    崔龙杰  王红丽  崔荣一  CUI Long-jie  WANG Hong-li  CUI Rong-yi 

  • 作者单位

    延边大学计算机科学与技术系智能信息处理研究室,吉林延吉133002;延边大学财务处,吉林延吉133002/山东优加利信息技术有限公司,济南,250101/延边大学计算机科学与技术系智能信息处理研究室,吉林延吉,133002

  • 刊期

    2014年9期 ISTIC PKU

  • 关键词

    半监督学习  富信息策略  辅助学习策略  Tri-training  说话声识别  semi-supervised learning  rich information strategy  assistant learning strategy  Tri-training  voice recognition 

参考文献
查看更多︾
相似文献 查看更多>>
3.85.214.0