典型文献
近亲结点图编辑的Self-Training算法
文献摘要：
Self-Training算法的性能很大程度上取决于高置信度样本的识别准确度.受DPC算法启发,利用密度峰值定义样本间的原型关系,并构造出近亲结点图这一新型数据结构.在此基础上,提出了一种近亲结点图编辑的Self-Training算法(self-training algorithm with editing direct relative node graph-DRNG).DRNG采用假设检验的方法选择高置信度样本,将其加入有标签样本集进行迭代训练.因误分的高密度样本点对Self-Training算法的分类性能影响较大,所以,DRNG综合考虑距离和密度两个方面定义了近亲结点图中割边的非对称权重,增大了高密度点的割边权重,使其落在拒绝域外的概率增加,减小了因其误分类而产生的风险.为了验证DRNG的性能,在8个基准数据集上与类似算法进行对比实验,实验结果验证了DRNG的有效性.
文献关键词：
近亲结点图;半监督分类;密度峰值;自训练
中图分类号：
作者姓名：
刘学文;王继奎;杨正国;易纪海;李冰;聂飞平
作者机构：
兰州财经大学 信息工程学院,兰州 730020;西北工业大学 计算机学院,光学影像分析与学习中心,西安 710072
文献出处：
引用格式：
[1]刘学文;王继奎;杨正国;易纪海;李冰;聂飞平-.近亲结点图编辑的Self-Training算法)[J].计算机工程与应用,2022(14):144-152
A类：
近亲结点图,DRNG
B类：
Self,Training,置信度,DPC,密度峰值,数据结构,self,training,algorithm,editing,direct,relative,node,graph,假设检验,方法选择,样本集,迭代训练,样本点,分类性能,割边,边权重,拒绝域,域外,误分类,基准数据集,半监督分类,自训练
AB值：
0.304424
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
