计算机应用

作者：吕佳, 鲜焱

单位：1. 重庆师范大学 计算机与信息科学学院, 重庆 401331;2. 重庆师范大学 重庆市数字农业服务工程技术研究中心, 重庆 401331

关键词：协同训练,密度峰值聚类,虹吸平衡法则,共享子空间,相互邻近度

基金：国家自然科学基金重大项目（11991024）；重庆市高校创新研究群体项目（CXQT20015）；重庆市研究生科研创新项目（CYS20241）。

针对协同训练算法在迭代过程中加入的无标记样本的有用信息不足和多分类器对样本标记不一致导致的分类错误累积问题，提出结合改进密度峰值聚类和共享子空间的协同训练算法。该算法先采取属性集合互补的方式得到两个基分类器，然后基于虹吸平衡法则进行改进密度峰值聚类，并从簇中心出发来推进式选择相互邻近度高的无标记样本交由两个基分类器进行分类，最后利用多视图非负矩阵分解算法得到的共享子空间来确定标记不一致样本的最终类别。该算法利用改进密度峰值聚类和相互邻近度选择出更具空间结构代表性的无标记样本，并采用共享子空间来修订标记不一致的样本，解决了因样本误分类造成的分类精度低的问题。在9个UCI数据集上的多组对比实验证明了该算法的有效性，实验结果表明所提算法相较于对比算法在7个数据集上取得最高的分类正确率，在另2个数据集取得次高的分类正确率。

来源：2021年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第3期