طبقه‌بندي خودآموز نيمه‌نظارتي مبتني بر ساخت همسايگي

به‌كارگيري داده‌هاي بدون برچسب در خودآموزي نيمه‌نظارتي مي‌تواند به طور قابل توجهي دقت طبقه‌بند نظارت‌شده را بهبود بخشد، اما در برخي موارد ممكن است دقت طبقه‌بندي را به مقدار چشم‌گيري كاهش دهد. يكي از دلايل چنين تنزلي، برچسب‌گذاري اشتباه به داده‌هاي بدون برچسب مي‌باشد. در اين مقاله، روشي را براي برچسب‌گذاري با قابليت اطمينان بالا به داده‌هاي بدون برچسب پيشنهاد مي‌كنيم. طبقه‌بند پايه در الگوريتم پيشنهادي، ماشين بردار پشتيبان است. در اين روش، برچسب‌گذاري فقط به مجموعه‌اي از داده‌هاي بدون برچسب كه از مقدار مشخصي به مرز تصميم نزديك‌تر هستند انجام مي‌شود. به اين داده‌ها، داده‌هاي داراي اطلاعات مي‌گويند. اضافه‌شدن داده‌هاي داراي اطلاعات به مجموعه آموزشي در صورتي كه برچسب آنها به درستي پيش‌بيني شود در دستيابي به مرز تصميم بهينه تأثير به‌سزايي دارد. براي كشف ساختار برچسب‌زني در فضاي داده از الگوريتم اپسيلون همسايگي (DBSCAN) استفاده شده است. آزمايش‌هاي مقايسه‌اي روي مجموعه داده‌هاي UCI نشان مي‌دهند كه روش پيشنهادي براي دستيابي به دقت بيشتر طبقه‌بند نيمه‌نظارتي خودآموز به نسبت برخي از كار‌هاي قبلي عملكرد بهتري دارد.