声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1429/V
国际刊号：1005-2615
发布日期:
作者：孙栓柱，陈广，高阳，孙彬，李逗，杨晨琛
单位：南京大学计算机科学与技术，南京 210023;江苏方天电力技术有限公司，南京 211102；,南京大学计算机科学与技术，南京 210023；,南京大学计算机科学与技术，南京 210023；,江苏方天电力技术有限公司，南京 211102；,江苏方天电力技术有限公司，南京 211102；,江苏方天电力技术有限公司，南京 211102；
关键词：数据分类;半监督学习;相似度;不平衡学习;不平衡数据分类
基金：江苏方天电力技术有限公司科技基金（KJ201919）资助项目。
针对现实场景中大量无监督数据无法有效利用的特点，提出了一种基于数据相似度匹配的半监督学习算法。该方法结合一定的先验知识，通过无监督学习的方式，计算未标记数据与少量有标记数据之间相似度，从而对少数类样本进行扩充。利用构造后的数据集进行模型训练，从而提高模型对于少数类的识别效果。该方法能有效改进分类任务中数据分布不平衡及标记困难的问题，在一组基于真实场景下的电力传感器检测数据分类任务中取得了较好的少数类识别效果。通过对比传统以及半监督的多种分类算法，该方法虽然在准确率上低于传统方法，但是在召回率与F1值的表现上超越传统方法。
来源：2021年第5期
《南京航空航天大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。