半监督分类算法源程序-matlab代码

％CoTrade实现了[1]中提出的算法，该算法利用数据编辑技术来增强协同训练样式算法 ％ ％ 句法 ％ ％准确性= CoTrade（学习者，L_data1，L_data2，U_data1，U_data2，L_target，Test_data1，Test_data2，Test_target，Max_iter） ％ ％说明 ％ ％CoTrade需要， ％学习者 - 具有两个字段'type'，'attri_type'的结构变量，它决定了CoTrade使用的基础学习者的属性： ％1）Learner.type给出了训练中使用的学习者类型，它可以取'NB'（朴素贝叶斯），'SVM'（支持向量 ％机器）或'CART'（CART决策树）; ％2）Learner.attri_type表示基础学习者将处理什么类型的属性，0表示二进制特征，1表示二进制特征 ％实值特征; ％L_data1 - 一个Lxd1数组，第一个标记为Learner 1的训练实例存储在L_data1（i，:); ％L_data2 - 一个Lxd2阵列，Learner 2的第i个标记训练实例存储在L_data2（i，:); ％U_data1 - 一个Uxd1数组，第1个学习者1的未标记训练实例存储在U_data1（i，:); ％U_data2 - 一个Uxd2阵列，学习者2的第i个未标记训练实例存储在U_data2（i，:); ％L_target - 如果第i个标记的训练实例（针对Learner 1或Learner 2）为正，则L_target（i，1）= 1，否则为Lx1矢量 ％L_target（i，1）= 0; ％Test_data1 - 一个Mxd1数组，其中第1个学习者1的测试实例存储在Test_data1（i，:); ％Test_data2 - 一个Mxd2数组，其中第二个学习者2的测试实例存储在Test_data2（i，:); ％Test_target - 一个Mx1向量，如果第i个测试实例是肯定的，则Test_target（i，1）= 1，否则Test_target（i，1）= 0; ％Max_iter - CoTrade的最大迭代次数，默认值= 50; ％ ％并返回， ％准确度 - 所学习的CoTrade模型在测试集上的预测准确度 ％ ％[1] M.-L.张和Z.-H.周。 CoTrade：通过数据编辑进行自信的联合培训。 IEEE Transactions on Systems，Man，and Cyber??netics - Part B：Cyber??netics，in press。