基于共識(shí)率和加權(quán)樣本的標(biāo)記傳播算法CRLP

　　標(biāo)記傳播是使用最廣泛的半監(jiān)督分類方法之一。基于共識(shí)率的標(biāo)記傳播算法（ Consensus rate- based l. abel Propagation，CRLP）通過匯總多個(gè)聚類方法以合并數(shù)據(jù)各種屬性得到的共識(shí)率來(lái)構(gòu)造圖。然而，CRLP算法與大多數(shù)基于圖的半監(jiān)督分類方法一樣，在圖中將每個(gè)標(biāo)記樣本視為同等重要，它們主要通過優(yōu)化圖的結(jié)構(gòu)來(lái)提高算法的性能。事實(shí)上，樣本不一定是均勻分布的，不同的樣本在算法中的重要性也是不同的，并且CRLP算法容易受聚類數(shù)目和聚類方法的影響，對(duì)低維數(shù)據(jù)的適應(yīng)性不足。針對(duì)這些問題，文中提出了一種基于加權(quán)樣本和共識(shí)率的標(biāo)記傳播算法（ Label Propagation Algorithm Based onWeighted Samples and Consensus-rate， WSCRLP）。 WSCRLP算法首先對(duì)數(shù)據(jù)集進(jìn)行多次聚類，以探索樣本的結(jié)構(gòu)，并結(jié)合共識(shí)率和樣本的局部信息構(gòu)造圖;然后為不同分布的標(biāo)記樣木分配不同的權(quán)重;最后基于構(gòu)造的圖和加權(quán)樣本進(jìn)行半監(jiān)督分類在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表眀， WSCRLP算法對(duì)標(biāo)記樣本進(jìn)行加權(quán)和構(gòu)造圖的方法可以顯著提高分類準(zhǔn)確率，在84%的實(shí)驗(yàn)中都優(yōu)于對(duì)比方法。相比CRLP算法， WSCRLP算法不僅具有更妤的性能，而且對(duì)輸入參數(shù)具有魯棒性。