声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：原鑫,王振友,
单位：广东工业大学应用数学学院,广州510520；
关键词：Boosting算法,空间稳定点,三重集约束,梯度下降,平衡函数,
基金：广州市科技计划资助项目(201707010435)；；
在分类问题中，常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等，当标记数据很少、数据间差异较大时，很难找到有效的规则来分类。针对此问题提出了三重集约束下的Boosting分类算法，对标记数据、伪标记数据、无标记数据进行三重约束划分；同时引入平衡函数将更新数据的近邻两点加权，确立数据空间稳定点；根据稳定点信息对分类器进行迭代，采用梯度下降法使得平衡函数收敛，得到最终的伪标记数据和分类器。经过UCI九个数据集的实验，验证了该算法更为高效、可行。
来源：2020年第8期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。