[发明专利]一种有向链接式分类器构造方法及分类方法

摘要

本发明公开了一种有向链接式分类器构造方法及分类方法。本方法为：1)初始化一已标注训练数据集T的权值分布、一增量集和迭代截止条件；2)对于第m次迭代，采用已标注训练集T^(m)训练一弱分类器G_m(x)，并用当前的G_m(x)的分类误差率和系数更新已标注训练集T^(m)的权值分布；并且利用当前的G_m(x)对一未标注集U进行预测，然后从预测结果中选出置信度最高的前K个样本及其对应的预测标签放入或更新到增量集中；3)当满足迭代截止条件时，停止迭代并根据每次迭代得到的弱分类器构建一强分类器G(x)。该方法通过有价值知识的共享传递与协同指导，充分挖掘与利用已标注和未标注这两种样本，实现了模型信息的有效利用与融合增强。

主权项

一种有向链接式AdaBoost分类器构造方法，其步骤为：1)初始化一已标注训练数据集T的权值分布、一增量集和迭代截止条件；2)对于第m次迭代，采用已标注训练集T^(m)训练一弱分类器G_m(x)，并用当前的弱分类器G_m(x)的分类误差率和系数更新已标注训练集T^(m)的权值分布；并且利用当前的弱分类器G_m(x)对一未标注集U进行预测，然后从预测结果中选出置信度最高的前K个样本及其对应的预测标签放入所述增量集中，记为ΔT_m；其中，T^(m)＝T+ΔT_m；3)当满足迭代截止条件时，停止迭代并根据每次迭代得到的弱分类器构建一强分类器G(x)。