公开(公告)号：CN109543731A

公开(公告)日：2019-03-29

申请号：CN201811330781.5

申请日：2018-11-09

Applicant: 江南大学

Inventor： 熊伟丽 ,  程康明 ,  马君霞

IPC: G06K9/62

Abstract: 一种自训练框架下的三优选半监督回归算法，涉及半监督回归算法的技术领域。本发明对无标签样本和有标签样本进行筛选，建立高斯过程回归模型，利用该模型预测无标签样本集的标签值，得到伪标签样本集；利用置信度判断准则选出满足条件的伪标签样本集；通过置信度判断进一步选出可信度高的伪标签样本集，并更新有标签样本集和无标签样本集，重新对无标签样本和有标签样本筛选并利用高斯过程回归模型，更新阈值，预测无标签样本集得伪标签样本集，对伪标签样本集进行置信度判断，进入自训练循环，直至达到所设定循环次数。本发明实现对伪标签样本的置信度判断，并引入自训练框架提高无标签样本利用率，以提高利用无标签样本后模型的预测效果。

公开(公告)号：CN108734207B

公开(公告)日：2021-05-28

申请号：CN201810454373.4

申请日：2018-05-14

Applicant: 江南大学

Inventor： 熊伟丽 ,  程康明 ,  马君霞

IPC: G06K9/62

Abstract: 本发明公开了一种基于双优选半监督回归算法的模型对脱丁烷塔底丁烷浓度进行预测的方法，属于半监督回归领域。通过一种双优选的策略，求出有标签样本密集区中心，并根据无标签样本与密集区中心的相似度筛选无标签样本，同时根据有标签样本间相似度筛选有标签样本；然后利用高斯过程回归方法对选出的有标签样本建立辅学习器，以对选出的无标签样本预测标签；最后利用这些伪标签样本提升主学习器的预测效果，解决了在标签样本很少时，无法保证对无标签样本利用的质量从而无法实现准确预测的问题，达到了利用很少的标签样本即可实现准确预测的效果。

公开(公告)号：CN108734207A

公开(公告)日：2018-11-02

申请号：CN201810454373.4

申请日：2018-05-14

Applicant: 江南大学

Inventor： 熊伟丽 ,  程康明 ,  马君霞

IPC: G06K9/62

Abstract: 本发明公开了一种基于双优选半监督回归算法的模型预测方法，属于半监督回归领域。通过一种双优选的策略，求出有标签样本密集区中心，并根据无标签样本与密集区中心的相似度筛选无标签样本，同时根据有标签样本间相似度筛选有标签样本；然后利用高斯过程回归方法对选出的有标签样本建立辅学习器，以对选出的无标签样本预测标签；最后利用这些伪标签样本提升主学习器的预测效果，解决了在标签样本很少时，无法保证对无标签样本利用的质量从而无法实现准确预测的问题，达到了利用很少的标签样本即可实现准确预测的效果。