基于高密度近鄰和確定性標(biāo)記樣本選擇的標(biāo)簽傳播算法

打開文本圖片集

摘  要：半監(jiān)督學(xué)習(xí)由于能夠充分利用未標(biāo)記數(shù)據(jù)而廣受關(guān)注，其中圖半監(jiān)督學(xué)習(xí)方法具有表示直觀和概念清晰的優(yōu)點(diǎn)。然而，基于圖的半監(jiān)督學(xué)習(xí)方法大多需要迭代優(yōu)化，且由于初始標(biāo)記點(diǎn)的選取變化，會(huì)導(dǎo)致預(yù)測(cè)準(zhǔn)確性不穩(wěn)定。為了解決這一問題，提出了一種基于高密度近鄰和確定性標(biāo)記（high density nearest neighbors and determinate labeling， HDN-DL）的半監(jiān)督分類方法，利用數(shù)據(jù)中的潛在結(jié)構(gòu)和信息，選擇影響力較高的節(jié)點(diǎn)作為標(biāo)簽傳播的起點(diǎn)，通過密度峰值聚類算法（density peak clustering， DPC）得到初始的無監(jiān)督聚類圖結(jié)構(gòu)后，將該圖斷開得到引領(lǐng)森林，再根據(jù)每個(gè)樣本點(diǎn)的所在層次計(jì)算其高密度近鄰及其相對(duì)距離，以此來綜合考慮多個(gè)屬性以判定當(dāng)前樣本的標(biāo)簽，避免級(jí)聯(lián)誤分。（剩余16128字）