论文部分内容阅读
二分类数据中,某些训练样本因其隐私性往往较难获取,致使训练集规模较小,因此分类算法无法学习到较好的数据模式.针对上述问题,本文利用IB方法(Information Bottleneck)并结合该问题特有的性质,提出一种新的基于单类的二分类算法——BCOC-IB算法.该算法的学习阶段使用单类IB算法学习数据模式,分类阶段使用二分类策略对测试数据进行分类.实验结果表明,当训练样本较少的情况下,BCOC-IB算法的分类精度高于对比算法,且时间复杂度较低.