资料下载
×
基于共识率和加权样本的标记传播算法CRLP
消耗积分:0 |
格式:rar |
大小:1.66 MB |
2021-04-08
分享资料个
标记传播是使用最广泛的半监督分类方法之一。基于共识率的标记传播算法（ Consensus rate- based l. abel Propagation，CRLP）通过汇总多个聚类方法以合并数据各种属性得到的共识率来构造图。然而，CRLP算法与大多数基于图的半监督分类方法一样，在图中将每个标记样本视为同等重要，它们主要通过优化图的结构来提高算法的性能。事实上，样本不一定是均匀分布的，不同的样本在算法中的重要性也是不同的，并且CRLP算法容易受聚类数目和聚类方法的影响，对低维数据的适应性不足。针对这些问题，文中提出了一种基于加权样本和共识率的标记传播算法（ Label Propagation Algorithm Based onWeighted Samples and Consensus-rate， WSCRLP）。 WSCRLP算法首先对数据集进行多次聚类，以探索样本的结构，并结合共识率和样本的局部信息构造图;然后为不同分布的标记样木分配不同的权重;最后基于构造的图和加权样本进行半监督分类在真实数据集上的实验表眀， WSCRLP算法对标记样本进行加权和构造图的方法可以显著提高分类准确率，在84%的实验中都优于对比方法。相比CRLP算法， WSCRLP算法不仅具有更妤的性能，而且对输入参数具有鲁棒性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
