论文研究基于半监督学习的克里金插值方法.pdf

针对数据量较小时，克里金插值精度低的问题，将克里金插值模型与半监督学习理论相结合，利用未标记样本参与训练改进模型性能，提出基于半监督学习的克里金插值模型，即自训练克里金插值模型（STK）和协同训练克里金插值模型（CTK）。以北京地区2017年4月和5月的PM2.5浓度数据作为实验数据，采用克里金插值模型、STK和CTK进行对比实验。实验结果表明，这两个模型既具有半监督学习的优点，适用于只有少量标记样本的情况，又可以分析空间现象的分布模式。其中CTK采用两个模型协同训练，有效削弱了早期误差对后期训练的影响，利用未标记样本提升了模型的性能。