基于動(dòng)態(tài)閾值和差異性檢驗(yàn)的自訓(xùn)練算法

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