%0 Journal Article
%T 基于分歧的半监督学习
%A 周志华
%J 自动化学报
%P 1871-1878
%D 2013
%R 10.3724/SP.J.1004.2013.01871
%X ？传统监督学习通常需使用大量有标记的数据样本作为训练例,而在很多现实问题中,人们虽能容易地获得大批数据样本,但为数据提供标记却需耗费很多人力物力.那么,在仅有少量有标记数据时,可否通过对大量未标记数据进行利用来提升学习性能呢？为此,半监督学习成为近十多年来机器学习的一大研究热点.基于分歧的半监督学习是该领域的主流范型之一,它通过使用多个学习器来对未标记数据进行利用,而学习器间的"分歧"对学习成效至关重要.本文将综述简介这方面的一些研究进展.
%K 机器学习
%K 半监督学习
%K 基于分歧的半监督学习
%K 未标记数据
%U http://www.aas.net.cn/CN/abstract/abstract18226.shtml