TriTrain 周志华提出的Tri- ing源代码，利用三个分类器的半监督学习方法，Java版本 Develop 238万源代码下载-
&文件名称: TriTrain
& & & & &&]
&&所属分类:
&&开发工具: Java
&&文件大小: 3 KB
&&上传时间:
&&下载次数: 47
&&提 供 者:
&详细说明：周志华提出的Tri-Training源代码，利用三个分类器的半监督学习方法，Java版本-Zhou Zhihua proposed by the Tri-Training source code, use semi-supervised learning method, the Java version of the three classifiers
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&TriTrain.java
&近期下载过的用户:
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 本文回顾了半监督学习领域的各种算法，并陈述了该领域中的最近进展。
&[] - 第一本全面的半监督学习参考书，里面涵盖了半监督方面的各种算法，应用，以及理论证明
&[] - 关于半监督学习的综述，包括了所有主要方法，比如cotraining算法等等，可以对该领域有一个全面的认识
&[] - 一个自己编写的tri-training算法，利用支持向量机，K近邻，和朴素贝叶斯进行协同训练
&[] - CoForest是一种半监督算法，处理集成学习及利用大量未标记数据得到更优越性能的假设。
&[] - cs4vm算法，是实现半监督学习的较好的方法，能够对多种数据集进行测试，代码中包含例子，下载即可以使用
&[] - means3vm算法，matlab 是实现半监督学习的较好的方法，能够对多种数据集进行测试，代码中包含例子，下载即可以使用
&[] - 一种基于半监督的svm的图像分类方法。该方法通过聚类核的方法利用无标记样本局部正则化训练核的表达式。这种方法通过图像直接学习一个自适应的核。该程序仿真的是文章：Semi-supervised Remote Sensing Image Classification with Cluster Kerne
&[] - 使用K-Means算法对KDD Cup 1999数据集进行聚类分析，建立简单的入侵检测模型；利用入侵检测模型对测试数据进行预测
&[] - 对传统的支持向量机分类器的改进,利用了半监督学习的方法，可以极大的提高分类效率。君，已阅读到文档的结尾了呢~~
基于Tri-training的主动学习算法,tri training,主动学习算法,主动降噪算法,主动脉 血管提取算法,co training 机器学习,机器学习算法,深度学习算法,机器学习十大算法,算法学习
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于Tri-training的主动学习算法
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于Tri-training的半监督多标记学习算法研究--《山西大学》2014年硕士论文
基于Tri-training的半监督多标记学习算法研究
【摘要】：多标记学习是机器学习领域中的重要研究方向之一,它能够直观地反映多义性对象所具有的多种语义信息,其学习的任务是为待学习样本预测其对应的类别标记集合。近年来,研究学者们对多标记学习问题提出了很多学习方法和策略,并将其应用于网页文本分类、图像场景分类和生物信息学等实际领域中。然而传统的多标记学习仍然是在监督意义下进行的,即要求训练数据集的训练样本必须全部是已标记样本,但是,在现实生活中,获得足够的有标记样本集十分困难。因此,鉴于上述的不足,本文结合半监督学习中最重要风范之一的协同训练机制,利用协同训练机制能够综合利用少量的已标记样本和大量的未标记样本以提高泛化性能的优点,研究如何充分利用半监督学习的优势来完成多标记学习任务。主要工作内容包括以下三个方面：(1)利用“一阶”策略,将多标记学习问题分解为多个二类分类问题,结合Tri-training算法训练分类器,设计了一种基于Tri-training的半监督一阶多标记学习算法。该算法忽略标记之间的相关性,将多标记学习问题分解为多个单标记学习问题,对已标记样本集中样本的每一个标记进行训练,并利用Tri-training过程学习得到相应的3个分类器。面对一个新的测试样本,用学习到的3个分类器对相应的每一个标记进行投票,从而得到一组对测试集样本的预测结果。通过在UCI数据、网页文档分类数据和自然场景分类数据上的对比实验表明,提出算法能够得到较好的分类结果。(2)利用“二阶”策略,考察两两标记之间的相关性,将多标记学习问题转化为标记排序问题,结合Tri-training算法训练分类器,设计了一种基于Tri-training的半监督二阶多标记学习算法。在学习阶段,该算法首先为已标记样本集中的每一个样本添加一个虚拟标记,然后对每一对标记进行训练,并利用Tri-training过程学习得到相应的3个分类器；在预测阶段,给定一个新的测试样本,用学习到的分类器对相应的每一对标记进行预测,并统计每个标记所得的票数,根据类别标记得票数的多少将多标记学习问题转化为标记排序问题,最后将虚拟类标记的得票数作为阈值对标记排序结果进行划分,即可得到一组对测试集样本的预测结果。通过在UCI数据、网页文档分类数据和自然场景分类数据上的对比实验表明,提出算法能够得到较好的分类结果。(3)设计并实现了基于Tri-training的半监督多标记学习系统。该系统在充分考虑界面美观、人机交互友好以及易于维护更新的基础上,以MATLAB为后台,链接SQL Server数据库,在C#平台下进行总体搭建。系统融合了多个经典的多标记学习算法,集成的算法包括ML-kNN算法、Rank-SVM算法、LEAD算法、TRAM算法以及本文提出的基于Tri-training的一阶算法和基于Tri-training的二阶算法。通过实际的操作比较,设计的系统界面简洁美观,操作简单快捷,方便了用户进行理论创新和实验比较。本文结合协同训练机制,为多标记学习如何开展有效地半监督学习提供了参考,也在不同的策略下探索了多标记学习分类算法的综合性能。
【关键词】：
【学位授予单位】：山西大学【学位级别】：硕士【学位授予年份】：2014【分类号】：TP181【目录】：
中文摘要8-10Abstract10-12第一章 引言12-22 1.1 选题背景及意义12-13 1.2 国内外研究现状13-17
1.2.1 半监督学习研究现状13-14
1.2.2 多标记学习研究现状14-16
1.2.3 半监督多标记学习研究现状16-17 1.3 多标记学习常用评价指标17-19 1.4 本文主要工作19 1.5 论文框架19-22第二章 基于Tri-training的半监督一阶多标记学习算法22-28 2.1 半监督一阶多标记学习算法22-23 2.2 实验结果与分析23-26
2.2.1 在常用UCI数据集上的对比实验23-24
2.2.2 在网页文档分类数据集上的对比实验24
2.2.3 在自然场景分类数据集上的对比实验24-26
2.2.4 实验分析26 2.4 本章小结26-28第三章 基于Tri-training的半监督二阶多标记学习算法28-36 3.1 半监督二阶多标记学习算法28-30 3.2 实验结果与分析30-33
3.2.1 在常用UCI数据集上的对比实验30-32
3.2.2 在网页文档分类数据集上的对比实验32-33
3.2.3 在自然场景分类数据集上的对比实验33
3.2.4 实验分析33 3.3 本章小结33-36第四章 基于Tri-training的半监督多标记学习系统36-44 4.1 系统功能与开发环境36-37
4.1.1 系统功能36-37
4.1.2 开发环境37 4.2 系统实现37-42
4.2.1 系统界面38-40
4.2.2 系统实验结果40-42 4.3 本章小结42-44第五章 结束语44-46参考文献46-50攻读学位期间取得的研究成果50-52致谢52-54个人简况及联系方式54-56承诺书56-58
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
姜远;佘俏俏;黎铭;周志华;;[J];计算机研究与发展;2008年11期
张亚亚;郭华平;范明;;[J];计算机研究与发展;2011年S3期
中国硕士学位论文全文数据库
常瑜;[D];山西大学;2012年
【共引文献】
中国期刊全文数据库
HE ZYANG MLIU H;[J];Chinese Journal of E2015年02期
孔祥南;黎铭;姜远;周志华;;[J];计算机研究与发展;2010年08期
张亚亚;郭华平;范明;;[J];计算机研究与发展;2011年S3期
吕小勇;石洪波;;[J];计算机工程;2010年15期
秦锋;黄俊;程泽凯;;[J];计算机工程;2010年21期
付彬;王志海;;[J];模式识别与人工智能;2012年04期
李思男;李宁;李战怀;;[J];计算机科学;2013年04期
李志欣;卓亚琦;张灿龙;周生明;;[J];计算机应用研究;2014年06期
张丹普;王莉莉;付忠良;李昕;;[J];计算机应用;2014年09期
魏秀参;慕鑫;杨杨;;[J];计算机科学与探索;2014年09期
中国博士学位论文全文数据库
管春;[D];重庆大学;2011年
章舜仲;[D];南京理工大学;2010年
段震;[D];安徽大学;2010年
贺建军;[D];大连理工大学;2012年
柯佳;[D];江苏大学;2013年
马海平;[D];中国科学技术大学;2013年
程圣军;[D];哈尔滨工业大学;2014年
中国硕士学位论文全文数据库
张亚亚;[D];郑州大学;2012年
郑伟;[D];清华大学;2011年
屈华桥;[D];浙江师范大学;2012年
冯新营;[D];山东师范大学;2013年
冯雪东;[D];南京师范大学;2013年
任钱德;[D];浙江师范大学;2013年
陈武;[D];哈尔滨工业大学;2013年
雷雪娇;[D];济南大学;2013年
邱继钊;[D];山东师范大学;2014年
周扬名;[D];浙江大学;2014年
【二级参考文献】
中国期刊全文数据库
鲁珂,赵继东,叶娅兰,曾家智;[J];电子科技大学学报;2005年05期
唐焕玲;林正奎;鲁明羽;;[J];电子学报;2008年S1期
王娜;李霞;;[J];电子学报;2010年01期
孙广玲,唐降龙;[J];计算机研究与发展;2004年01期
姜远;周志华;;[J];计算机研究与发展;2006年10期
薛晓冰;韩洁凌;姜远;周志华;;[J];计算机研究与发展;2007年03期
龙军;殷建平;祝恩;蔡志平;;[J];计算机研究与发展;2008年03期
张晨光;李玉鑑;;[J];计算机工程与应用;2009年21期
黄鸿;李见为;冯海亮;;[J];计算机科学;2008年12期
邓超;郭茂祖;;[J];计算机学报;2007年08期
【相似文献】
中国期刊全文数据库
赵文亮;郭华平;范明;;[J];计算机工程;2014年05期
赵涛涛;洪宇;华震威;赵明明;姚建民;;[J];广西师范大学学报(自然科学版);2010年03期
刘杨磊;梁吉业;高嘉伟;杨静;;[J];智能系统学报;2013年05期
;[J];;年期
中国硕士学位论文全文数据库
刘杨磊;[D];山西大学;2014年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号mat 用于人工智能分类算法仿真的数据集 UCI 已经过集成 matlab 238万源代码下载-
&文件名称: mat& & [
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 624 KB
&&上传时间:
&&下载次数: 372
&&提 供 者:
&详细说明：用于人工智能分类算法仿真的数据集 UCI数据集 已经过集成-Simulation of artificial intelligence classification algorithm for data sets UCI data sets have been integrated
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&mat数据\abalone.mat&&.......\air.mat&&.......\austra.mat&&.......\australian.mat&&.......\breast.mat&&.......\breast_gy.mat&&.......\cleve.mat&&.......\data.m&&.......\data2.m&&.......\diabetes.mat&&.......\dnatest.mat&&.......\german.mat&&.......\glass.mat&&.......\glass_gy.mat&&.......\heart.mat&&.......\hearts.mat&&.......\ionosphere.mat&&.......\iris.mat&&.......\Normal7.mat&&.......\sonar.mat&&.......\vote.mat&&.......\vowel.mat&&.......\vowel_gy.mat&&.......\WBC.mat&&.......\weather.mat&&.......\Wine.mat&&.......\X8D5K.mat&&.......\zoo.mat&&mat数据
&[]:很好，推荐下载&[]:很好，推荐下载&[]:很好，推荐下载&[]:很好，推荐下载&[]:很好，推荐下载&[]:很好，推荐下载
&近期下载过的用户:
&&&&&&&&&&&&&&&&&[]
&相关搜索:
&&&&&&&&&&
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 在matlab的GUI界面中能够实现自动下俄罗斯方块，适合人工智能课程
&[] - 两种改进的遗传算法（自适应交叉概率的遗传算法，加入领域竞争策略的遗传算法）相比较的matlab程序，基于UCI的两个数据集，可直接运行程序观察效果。
&[] - 模糊聚类的经典算法，可以使用UCI数据集进行聚类，该程序附有详细的说明
&[] - libsvm使用介绍，有实例及结果，很详细！
&[] - UCI机器学习数据库关于字符识别的源数据。是字符识别的研究的关键数据来源。包括手写字体和印刷体两类，手写的数字和印刷体的字母。
&[] - 对UCI数据集之一进行PCA特征抽取实验,给出在二维PCA特征空间的数据散点图。UDEED 机器学习大牛周志华教授的关于“整体 ”的文章算法的实现 可以提高 机 matlab 238万源代码下载-
&文件名称: UDEED
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 65 KB
&&上传时间:
&&下载次数: 10
&&提 供 者:
&详细说明：机器学习大牛周志华教授的关于“整体学习”的文章算法的实现。整体学习可以提高学习机器的推广能力。-Ensemble learning aims to improve generalization
ability by using multiple base learners. It is well-known that
to construct a good ensemble, the base learners should be
accurate as well as diverse.
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&UDEED\GradDesc.m&&.....\GradDesc_obj.m&&.....\GradDesc_test.m&&.....\LogReg_obj.m&&.....\LogReg_train.m&&.....\readme.m&&.....\sample data.mat&&.....\UDEED.m&&.....\UDEED_Init.m&&UDEED
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 该源代码主要是利用bagging,adboosting等集成学习的方法进行图像融合处理，效果甚好！
&[] - 神经网络集成，集成了最近几年一些关于神经网络发展的文献，适合深入了解的筒子学习
&[] - Matlab中实现的bootstrap源码。可用于由原始数据集生成若干个子数据集。
&[] - Adaboost实现，主要用于机器学习的多分类器聚合， 最终形成分类效果逐渐增强的分类器
&[] - function in R software to calculate 36 clusterings of a data matrix (clusterings are in columns), using hierarchical average, cosine, centroid and sin
&[] - ensemble averaging of a signal