本文主要提出了一种基于字典学习的正例无标记学习(Positive and Unlabeled learning,PU学习)的分类方法。在PU学习中引入字典学习以此来构建原始输入的新的特征表示,然后结合基于RankSVM的模型来优化分类器的性能。在传统的二分类问题...本文主要提出了一种基于字典学习的正例无标记学习(Positive and Unlabeled learning,PU学习)的分类方法。在PU学习中引入字典学习以此来构建原始输入的新的特征表示,然后结合基于RankSVM的模型来优化分类器的性能。在传统的二分类问题中,通常是利用正样本和负样本来训练分类器。但对于PU学习来说,则是利用正样本和未标记样本来训练一个二元分类器。展开更多
文摘本文主要提出了一种基于字典学习的正例无标记学习(Positive and Unlabeled learning,PU学习)的分类方法。在PU学习中引入字典学习以此来构建原始输入的新的特征表示,然后结合基于RankSVM的模型来优化分类器的性能。在传统的二分类问题中,通常是利用正样本和负样本来训练分类器。但对于PU学习来说,则是利用正样本和未标记样本来训练一个二元分类器。