基于動態(tài)閾值和差異性檢驗的自訓練算法

摘要： 針對自訓練算法在迭代訓練分類器的過程中存在難以有效選取高置信度樣本以及誤標記樣本錯誤累積的問題，本文提出了基于動態(tài)閾值和差異性檢驗的自訓練算法。引入樣本的局部離群因子，據(jù)此剔除有標簽樣本中的離群點以及分類標注無標簽樣本，依據(jù)標注分批次處理無標簽樣本，以使模型更易選取到高置信度的無標簽樣本；根據(jù)新增偽標簽樣本的數(shù)量和對比隸屬度的變化，設(shè)計一種動態(tài)隸屬度閾值函數(shù)，提升高置信度樣本的...