来源：期刊VIP网 时间：
作者：吕佳;王雨;李帅军;
单位：重庆师范大学计算机与信息科学学院;重庆市数字农业服务工程技术研究中心;
摘要：协同训练算法突破了单视角学习的局限，利用多视角特征学习两个分类器，相互补充、增益学习，以获得更好的分类性能。然而，有标记样本不足以及无标记样本无法有效利用的问题制约着协同训练算法性能的进一步提升。为了解决上述问题，提出一种结合局部密度样本合成和类间插值的协同训练算法。该算法先利用局部密度样本合成方法扩充有标记样本集完善数据的空间结构，得到性能较好的两个初始分类器；再利用K-means聚类算法对两个分类器预测类别不一致的无标记样本聚类，从中随机选取不同类别的样本插值生成新样本，将新样本分别加入到两个分类器中，将决策边界推离类边界，以获得大边距决策边界，重复该过程直至得到最终分类器。在12个UCI数据集上的实验结果验证了本文算法的有效性。
关键词：协同训练;;局部密度;;样本合成;;插值;;决策边界
基金资助：国家自然科学基金重大项目（11991024）;; 重庆市教委“成渝地区双城经济圈建设”科技创新项目（KJCX2020024）;; 重庆市高校创新研究群体资助（CXQT20015）
