论文部分内容阅读
摘要：“半监督学习”是利用已经标记好的训练样本和未标记的训练样本一起训练分类器。传统的半监督训练过程对噪声不作辨别，这种做法会因噪声的存在破坏分类器的训练过程，进而影响分类器的分类效果。针对该问题，提出了基于RSC模型和噪声去除的半监督训练方法，在样本训练过程中，使用RSC标签扩展的方法，并添加噪声去除环节。实验表明，该算法能有效降低半监督学习中噪声对分类器的影响，得到更加精确的分类边界，最终提高算法的性能和稳定性。