论文研究-半监督学习在不平衡样本集分类中的应用研究.pdf

在对不平衡样本集进行分类时容易产生少数类样误差大的问题, 而目前半监督学习中的算法多数是针对未有明显此类特征的数据集。针对一种半监督协同分类算法在该问题上的有效性进行了研究。由于进一步增强了分类器差异性, 该算法在理论上对不平衡样本集具有良好的分类性能。根据该算法建立分类模型, 利用其对桥梁结构健康数据进行分类实验, 与Tri-Training算法的结果比较表明, 该算法对不平衡样本集具有良好的适用性, 从而验证了上述算法的有效性。