×
Livieris，Ioannis E。;安德烈亚斯·卡纳沃斯;瓦西里斯·坦帕卡斯;平特斯、帕纳吉奥蒂斯

一种可自动调整的半监督自训练算法。 （英语） Zbl 1461.68187号

算法（巴塞尔） 11，第9号，第139号论文，16页（2018年）.
摘要：作为传统分类方法的替代，半监督学习算法已经成为一个重要的研究课题，传统分类方法在标记数据上表现出显著的性能，但缺乏应用于大量未标记数据的能力。在这项工作中，我们提出了一种新的半监督学习算法，该算法基于自训练原理，从分类器池中动态选择最有希望的学习者来解决分类问题。我们的实验结果表明，该算法在准确性方面优于其分量半监督学习算法，从而获得更高效、稳定和鲁棒的预测模型。

引用于2文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

半监督学习;自动标记;自我训练;分类

软件：

威卡;4.5条;UCI-毫升;KEEL公司;JStatCom公司
PDF格式BibTeX公司 XML格式引用
\textit{I.E.Livieris}等人，《算法（巴塞尔）》11，第9期，第139号论文，16页（2018年；Zbl 1461.68187）
全文： DOI程序

参考文献：

[1] Alpaydin，E；机器学习导论：剑桥，马萨诸塞州，美国2010·兹比尔1191.68485
[2] 朱，X。；Goldberg，A。；半监督学习导论；合成。莱克特。工件。智力。马赫。学习。：2009; 第3卷，1-130·Zbl 1209.68435号
[3] 朱，X。；半监督学习；机器学习百科全书：德国柏林，2011，892-897.
[4] 利维埃利斯，I.E。；Drakopoulou，K。；坦帕卡斯，V。；米克罗普洛斯，T。；Pintelas，P。；利用半监督学习方法预测中学生的学习成绩；J.教育。计算。决议：2018年。
[5] Sigdel，M。；Dinç，I。；Dinç，S。；西格德尔，M。；Pusey，M。；Aygün，R。；蛋白质结晶图像分类的半监督学习评价；程序。IEEE东南：2014，1-6.
[6] Keyvanpour，M。；伊马尼，M。；半监督文本分类：使用集成学习算法挖掘未标记数据；智力。数据分析：2013; 第17卷，367-385。
[7] 哈桑扎德，H。；Keyvanpour，M。；半监督和主动学习相结合的两阶段序列标记方法；智力。数据分析：2013; 第17卷，251-270。
[8] Borchani，H。；拉腊尼亚加，P。；比尔扎，C。；用部分标记数据对演化数据流进行分类；智力。数据分析：2011年；第15卷，655-670。
[9] 陈，M。；Tan，X。；张，L。；脑机接口中的迭代自训练支持向量机算法；智力。数据分析：2016; 第20卷，67-82。
[10] 拉勒，N。；Azgomi，文学硕士。；流数据中的一种混合欺诈评分和尖峰检测技术；智力。数据分析：2010; 第14卷，773-800。
[11] Blum，A。；Chawla，S。；利用图形切割从标记和未标记数据中学习；第十八届机器学习国际会议论文集：美国马萨诸塞州伯灵顿，19-26.
[12] Blum，A。；米切尔，T。；将标记和未标记数据与联合训练相结合；第11届计算学习理论年会论文集：美国纽约州纽约市，1998年，92-100.
[13] Triguero，I。；南卡罗来纳州加西亚。；Herrera，F。；半监督学习中的自我标记技术：分类、软件和实证研究；知识。信息系统：2015; 第42卷，245-284。
[14] Nigam，K。；加尼，R。；分析联合培训的有效性和适用性；第九届信息和知识管理国际会议记录：2000年美国纽约州纽约市，86-93.
[15] 李，M。；Zhou，Z。；SETRED：编辑自我训练；亚太知识发现和数据挖掘会议：德国柏林，2005年，611-621.
[16] Tanha，J。；van Someren，M。；Afsarmanesh，H。；决策树分类器的半监督自训练；国际J·马赫。学习。网络：2015; 第8卷，355-370页。
[17] Ghosh，J。；多分类器系统：回到未来；多分类器系统国际研讨会：德国柏林/海德堡，2002年，277-280. ·Zbl 1047.68737号
[18] Ng，V。；Cardie，C。；无冗余视图的弱监督自然语言学习；计算语言学协会北美分会2003年人类语言技术会议记录：；第1卷，94-101。
[19] Triguero，I。；Sáez，J。；Luengo，J。；南卡罗来纳州加西亚。；Herrera，F。；最近邻分类中半监督自训练噪声滤波器的特性研究；神经计算：2014年；第132卷，30-41页。
[20] 周，Y。；高盛，S。；民主合作学习；第16届IEEE人工智能工具国际会议论文集：，594-602.
[21] 李，M。；Zhou，Z。；使用未诊断样本，利用机器学习技术改进计算机辅助诊断；IEEE传输。系统。人类网络。A： 2007年；第37卷，1088-1098。
[22] Zhou，Z。；李，M。；三训练：使用三个分类器开发未标记数据；IEEE传输。知识。数据工程：2005年；第17卷，1529-1541。
[23] 哈迪，M。；Schwenker，F。；结合基于委员会的半监督学习和主动学习；J.计算。科学。技术：2010; 第25卷，681-698。
[24] 科斯托普洛斯，G。；利维埃利斯，I。；Kotsiantis，S。；坦帕卡斯，V。；CST表决-一种用于分类问题的半监督集成方法；J.智力。模糊系统：2018; 第35卷，99-109。
[25] 利维埃利斯，I.E。；卡纳沃斯，A。；坦帕卡斯，V。；Pintelas，P。；一种用于胸部X射线图像高效分类的集成SSL算法；J.成像：2018年；第4卷·Zbl 1461.68187号
[26] 利维埃利斯，I.E。；Drakopoulou，K。；坦帕卡斯，V。；米克罗普洛斯，T。；Pintelas，P。；基于集成的半监督学生成绩预测方法；教育中的电子学习和信息通信技术研究：2018年德国柏林。
[27] 鲍姆加特纳博士。；塞尔彭，G。；WEKA分类器的大型实验和评估工具；国际协调数据最小值：2009年；第16卷，340-346。
[28] 霍尔，M。；E.弗兰克。；霍姆斯，G。；普法林格，B。；鲁特曼，P。；Witten，I。；WEKA数据挖掘软件：更新；SIGKDD探索。新闻：2009; 第11卷，10-18。
[29] 巴赫，K。；利奇曼，M；UCI机器学习库：美国加利福尼亚州奥克兰，2013。
[30] Alcalá-Fdez，J。；费尔南德斯，A。；Luengo，J。；Derrac，J.等人。；南卡罗来纳州加西亚。；桑切斯，L。；Herrera，F。；龙骨数据挖掘软件工具：数据集存储库、算法集成和实验分析框架；J.穆特-宝贵的。日志。软计算：2011; 第17卷，255-287。
[31] Wang，Y。；Xu，X。；赵，H。；华，Z。；基于最近邻规则和切割边的半监督学习；知识-基于系统：2010; 第23卷，547-554。
[32] 吴，X。；库马尔，V。；J.昆兰。；Ghosh，J。；Yang，Q.杨。；Motoda，H。；麦克拉克伦，G。；Ng，A。；刘，B。；余，P。；数据挖掘领域的十大算法；知识。信息系统：2008; 第14卷，1-37页。
[33] 昆兰，J；C4.5：机器学习课程：美国加利福尼亚州旧金山，1993年。
[34] 科恩，W。；快速有效的规则归纳；机器学习国际会议论文集：，115-123.
[35] 阿哈，D；《懒惰的学习：多德雷赫特》，荷兰，1997年·Zbl 0869.68071号
[36] Dolan，E。；莫雷，J。；用性能曲线对标优化软件；数学。程序：2002; 第91卷，201-213·邮编：1049.90004
[37] 利维埃利斯，I.E。；Pintelas，P。；一种改进的谱共轭梯度神经网络训练算法；国际艺术杂志。智力。工具：2012；第21卷，1250009·Zbl 1245.65068号
[38] 利维埃利斯，I.E。；Pintelas，P。；一类新的非单调共轭梯度训练算法；申请。数学。计算：2015; 第266404-413卷·Zbl 1410.65235号
[39] 芬纳，H。；关于逐步递减多重测试过程中的单调性问题；《美国统计杂志》。协会：1993年；第88卷，920-923·Zbl 0799.62077号
[40] 南卡罗来纳州加西亚。；费尔南德斯，A。；Luengo，J。；Herrera，F。；计算智能和数据挖掘实验设计中多重比较的高级非参数测试：功率实验分析；通知。科学：2010; 第180卷，2044-2064。
[41] 朱，X；半监督学习文献调查：麦迪逊，威斯康星州，美国2006。
[42] 比尔，T.D。；北卡罗来纳州克里斯蒂亚尼尼。；转导的凸方法；神经信息处理系统进展：剑桥，马萨诸塞州，美国2005，73-80.
[43] De Bie，T.等人。；北卡罗来纳州克里斯蒂亚尼尼。；基于半定规划的半监督学习；半监督学习：剑桥，马萨诸塞州，美国2006；第32卷。
[44] 齐，Z。；田，Y。；牛，L。；王，B。；具有特权信息的半监督分类；国际J·马赫。学习。网络：2015; 第6卷，667-676。
[45] 侯，X。；姚，G。；Wang，J。；基于低秩表示的半监督分类；算法：2016年；第9卷·Zbl 1461.62098号
[46] 冯·L。；Yu，G。；基于混合图的半监督分类；算法：2015年；第8卷，1021-1034。
[47] 查Z.J。；梅，T。；Wang，J。；王，Z。；Hua，X.S。；基于图的多标签半监督学习；视觉杂志。Commun公司。图像表示：2009; 第20卷，97-103。
[48] 周，D。；黄，J。；Schölkopf，B。；有向图上标记和未标记数据的学习；第22届机器学习国际会议论文集：纽约，纽约，美国2005，1036-1043.
[49] 潘，F。；Wang，J。；林，X。；基于局部边缘的半监督视觉识别鉴别嵌入；神经计算：2011年；第74卷，812-819。
[50] 李凯。；张杰。；Xu，H。；罗，S。；李，H。；一种基于协同训练的半监督极限学习机方法；J.计算。信息系统：2013; 第9卷，207-214。
[51] Huang，G.等人。；Song，S。；古普塔，J.N。；吴，C。；半监督和非监督极端学习机；IEEE传输。网络：2014; 第44卷，2405-2417。
[52] 贾，X。；王，R。；刘杰。；Powers，D.M。；一种半监督在线顺序极值学习机方法；神经计算：2016年；第174卷，168-178页。
[53] Nigam，K。；McCallum，A.K。；特隆，S。；米切尔，T。；使用EM对标记和未标记文档进行文本分类；马赫。学习。：2000; 第39卷，第103-134页·Zbl 0949.68162号
[54] Bishop，C；模式识别的神经网络：牛津，英国1995·兹比尔0868.68096
[55] 普拉特，J。；利用稀疏性和解析QP加速支持向量机的训练；神经信息处理系统的进展：英国剑桥，1999，557-563.
[56] 李，S。；王，Z。；周，G。；李，S.Y.M。；非平衡情绪分类的半监督学习；国际人工智能学会会议记录——国际人工智能联合会议：；第22卷，1826年。
[57] 杰尼，洛杉矶。；科恩，J.F。；德拉托雷，F。；面对不平衡的数据——关于使用性能指标的建议；2013年Humaine协会情感计算和智能交互会议记录：，245-251.
[58] 弗拉奇，P.A。；ROC空间的几何：通过ROC等距图理解机器学习度量；第20届国际机器学习会议论文集（ICML-03）：，194-201年。
[59] Powers，D.M。；评价：从精确性、召回率和F-测量到ROC、信息性、标记性和相关性；J.马赫。学习。技术：2011; 第2卷，37-63。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。