针对小样本分类的半监督式学习法

摘要：

由于成本和时间的限制因素,通常在一个新的制造系统的早期阶段能够观察到样本数量很小,并且不充分的样本将使得数据分析产生问题.半监督学习提供了一种方法来解决这个问题,其藉由少数已标记的数据所提供的知识来分析未被标记的数据.本研究开发了一种新的半监督学习方法运用可能性C均值来将已标记数据作为种子以生成初始群心并检测离群值.实验结果该方法比较于其他方法可以有更好的分类正确性.

关键词： 半监督式学习 小样本分类 可能性C均值 离群值

作者: 林良宪 利德江 蔡孟璇 邱政贤

作者单位: 国立成功大学工业与资讯管理学系 台南市 70101 国立成功大学高阶管理硕士在职专班 台南市 70101

会议类型: 国内会议

会议名称: 第28届全国灰色系统学术会议

会议地点: 武汉

会议语种:中文

页码: 560-564

在线出版日期: 2016-04-22（万方平台首次上网日期，不代表论文的发表时间）