不完备弱标记数据的粗糙协同学习模型

作     者：高灿 周杰 高天宇 赖志辉 GAO Can1;2;ZHOU Jie1;2;GAO Tianyu3;LAI Zhihui1;2

作者机构：深圳大学计算机与软件学院深圳518060 香港理工大学应用科学及纺织学院中国香港 中南大学资源加工与生物工程学院长沙410083 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2018年第31卷第10期

页      面：950-957页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61573248,61672358,61703283,61773328) 中国博士后基金项目(No.2016M590812,2017M612736,2017T100645) 广东省自然科学基金项目(No.2017A030310067) 

主　　题：粗糙集 差别矩阵 半监督约简 粗糙协同训练 不完备数据 

摘      要：针对不完备弱标记数据的学习问题,提出基于粗糙集理论的半监督协同学习模型.首先定义不完备弱标记数据的半监督差别矩阵,提出充分、具有差异性的约简子空间获取算法.然后在有标记数据集上利用各约简子空间训练两个基分类器.在无标记数据上,各分类器基于协同学习的思想标注信度较大的无标记样本给另一分类器学习,迭代更新直至无可利用的无标记数据. UCI数据集实验对比分析表明,文中模型可以获得更好的不完备弱标记数据的分类学习性能,具有有效性.