文献类型：期刊文献

中文题名：基于数据相似度的自适应半监督随机森林算法

英文题名：Adaptive Semi-Supervised Random Forest Algorithm Based on Data Similarity

作者：胡志鹏[1];彭亦功[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2018

卷号：35

期号：7

起止页码：117

中文期刊名：微电子学与计算机

外文期刊名：Microelectronics & Computer

收录：CSTPCD;;Scopus;北大核心:【北大核心2017】；CSCD:【CSCD_E2017_2018】；

语种：中文

中文关键词：随机森林;半监督学习算法;数据相似度;路径集合稀疏编码;自适应

外文关键词：random;orests;semi-supervised algorithm;data similarity;path set sparse coding;adaptive

摘要：提出一种基于数据相似度的自适应半监督随机森林算法.利用随机森林对带标签和无标记数据进行路径编码、相似度分析和无标签数据的伪标记选择;再选择满足条件的数据迭代训练随机森林,改善其分类性能.实验结果表明:提出的算法可以有效地利用无标记数据信息,提高分类精度.
An adaptive semi - supervised stochastic forest algorithm based on data similarity is proposed. The coding and mapping of labeled and unlabeled data are carried out by using random forest. The pseudo-marking of unlabeled data is selected. Then the randomized forest is trained to improve the classification performance. The experimental results show that the proposed algorithm can effectively use the unmarked data to improve the classification accuracy.