论文研究结合主动学习策略的半监督分类算法.pdf

为了提高半监督分类的性能，提出一种基于主动学习策略的半监督分类算法SSC_AL和一种基于改进的主动学习策略的半监督分类算法SSC_IAL。通过样本密度计算，改进基于投票熵的主动学习算法，减少主动学习过程中可能产生的孤立点和冗余点；分别使用主动学习策略和改进的主动学习策略挑选信息价值高的无标记样本作为候选样本，使用半监督学习算法对候选样本进行自动标记，减少人工干预。最后，把新增加的新标记样本添加到主动学习和半监督学习的训练集中，训练各自分类器，反复迭代。使用UCI数据集进行实验，结果表明SSC-AL和SSC-IAL算法将问题规模缩减到原来的11%和17%，SSC-IAL分类率提高了1.41%，并且算法的收敛性良好。