一种稳健的半监督自训练分类方法
陈梦醒
樊亚莉
胡毓榆
上海理工大学理学院 上海 200093
摘要：半监督自训练分类器性能很大程度上依赖于伪标签的质量.论文提出一种稳健的带有l2 正则化的逻辑回归半监督自训练分类方法.该方法首先在有标签数据集上训练带有l2 正则化项的逻辑回归模型作为初始分类器,然后使用随机森林训练残差模型和稳健马氏距离提高伪标签的质量,提升半监督自训练分类器性能.数值实验结果验证了算法的准确性和稳健性.
关键词：半监督分类自训练分类稳健马氏距离随机森林残差模型
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(11401383)
论文发表日期：2024-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 3202-3205,3317 )
英文信息