摘要
提出了ART(ART)算法。首先,提出辅助学习策略;其次,结合富信息策略,设计辅助学习器;最后,将辅助学习器应用在Tri-training训练以及说话声识别。实验结果表明,辅助学习器在Tri-training训练的基础上不仅降低每次迭代可能产生的误标记样例数,而且能够充分地利用无标记样例以及在验证集上的错分样例信息。从实验结果可以得出,该算法能够弥补Tri-training算法的缺点,提高测试效率。
引文
[1]李昆仑,张伟,代运娜.基于Tri-training的半监督SVM[J].计算机工程与应用.2009,45(22):103-106.
[2]张雁,吕丹桔,吴保国.基于Tri-Training半监督分类算法的研究[J].计算机技术与发展,2013,23(7):77-79.
[3]邓超,郭茂祖.基于自适应数据剪辑策略的Tri-training算法[J].计算机学报,2007,30(8):1213-1226.
[4]徐庆伶,汪西莉.一种基于支持向量机的半监督分类方法[J].计算机技术与发展,2010,20(10):115-117.