基于高密度近邻和确定性标记样本选择的标签传播算法

摘要

半监督学习由于能够充分利用未标记数据而广受关注，其中图半监督学习方法具有表示直观和概念清晰的优点。然而，基于图的半监督学习方法大多需要迭代优化，且由于初始标记点的选取变化，会导致预测准确性不稳定。为了解决这一问题，提出了一种基于高密度近邻和确定性标记(high density nearest neighbors and determinate labeling, HDN-DL)的半监督分类方法，利用数据中的潜在结构和信息，选择影响力较高的节点作为标签传播的起点，通过密度峰值聚类算法(density peak clustering, DPC)得到初始的无监督聚类图结构后，将该图断开得到引领森林，再根据每个样本点的所在层次计算其高密度近邻及其相对距离，以此来综合考虑多个属性以判定当前样本的标签，避免级联误分。标签传播的过程无需迭代，复杂度为O(n)。在多个数据集上进行的实验验证了该方法的有效性和稳定性。

关键词

图半监督学习 / 密度峰值聚类 / 引领森林 / 高密度近邻 / 确定性标记