Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

26.02.2020 | Original Article | Ausgabe 5/2020

International Journal of Machine Learning and Cybernetics 5/2020

A co-training approach for sequential three-way decisions

Zeitschrift:
International Journal of Machine Learning and Cybernetics > Ausgabe 5/2020
Autoren:
Di Dai, Huaxiong Li, Xiuyi Jia, Xianzhong Zhou, Bing Huang, Sunning Liang
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

In recent years, three-way decisions have received much attention in uncertain decision and cost-sensitive learning communities. However, in many real applications, labeled samples are usually far from sufficient. In this case, it is a reasonable choice to defer the decision rather than make an immediate decision without sufficient supported information, thus it constructs a boundary region. In order to label more available samples, a traditional co-training method employs two classifiers on two complementary views to extend the existing training sets. However, the wrong predictions of new labels may lead to a high misclassification cost, especially when few labeled samples are available. To address this problem, a co-training method is incorporated into three-way decisions, which can label new samples with higher confidence. When we obtain sufficient labeled samples, the non-commitment decisions are directly decided to a positive or a negative region, which finally generates a two-way decisions result. Experiments on several face databases are conducted to validate the effectiveness of the proposed approach.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 5/2020

International Journal of Machine Learning and Cybernetics 5/2020 Zur Ausgabe