文献类型：会议

作　　者：葛荐 马廷淮

作者单位：[1]南京信息工程大学计算机与软件学院 [2]中国人民解放军94686部队 [3]南京信息工程大学江苏省网络监控中心

基　　金：国家自然科学基金项目(61173143);中国博士后基金项目(2012M511783);公益性行业专项基金项目(GYHY201206030);江苏省高校优势学科建设工程资助项目

会议文献：第29届中国数据库学术会议论文集（B辑）（NDBC2012）

会议名称：第29届中国数据库学术会议（NDBC2012）

会议日期：20121012

会议地点：中国安徽合肥

主办单位：中国计算机学会(China Computer Federation)

出版单位：科学出版社(SciencePress)

出版日期：20121000

学会名称：中国计算机学会数据库专业委员会

语　　种：中文

摘　　要：半监督学习与集成学习是两种重要的机器学习范式.半监督学习是通过利用和挖掘未标记样本来提高学习分类器性能,同时集成学习则是通过使用多分类器组合来进一步提升学习分类器的泛化性能.值得注意的是,两种不同的范式几乎是并行发展,因此结合半监督学习和集成学习是一个值得研究的方向.研究基于集成算法的半监督学习方式,定义其基本算法框架.最后综述了两种典型算法Semisupervisedboosting learning和Tri-training.

关 键 词：半监督学习 集成学习  TRI-TRAINING Semi-supervised boosting learning  

分 类 号：TP181]