[发明专利]一种基于半监督自训练的迁移学习分类方法

摘要

本发明公开了一种基于半监督自训练的迁移学习分类方法，该方法是利用大量非目标有标签数据实现减少训练时间和资源，包括对目标有标签数据集训练初始分类器，对目标无标签数据集进行预分类；结合目标有标签数据集和多个辅助有标签数据集，采用自训练学习算法进行迭代训练。得到扩大的目标有标签数据集；对扩大的目标有标签数据集训练分类器，对目标无标签数据集分类，得到最终分类标签。本发明提高在少量训练数据情况下的分类精确度，减少训练时间，避免资源的浪费。

主权项

一种基于半监督自训练的迁移学习分类方法，其特征在于，包括以下步骤：1)对目标有标签数据集进行训练得到初始分类器；2)用初始分类器对目标无标签数据集的实例进行预测和分配标签，得到预分类标签；3)结合目标有标签数据集和多个辅助有标签数据集，采用自训练学习算法对目标无标签数据集进行预测分类，并计算无标签数据集中每个实例的辅助分类标签置信度大小；4)根据置信度大小对正确分类的无标签数据集实例按照降序进行排序，取置信度排在前面的N个实例及其辅助分类标签，加入到当前目标有标签数据集中，其中N＝1,2,3,4…；5)多次迭代，逐渐扩大目标有标签数据集规模；6)对于多次迭代后新的目标有标签数据集再次训练分类器，对目标无标签数据进行分类，得到最终分类标签。