1 line
2.6 KiB
Plaintext
1 line
2.6 KiB
Plaintext
欢迎引用李永国, 徐彩银, 汤璇, 李祥燕. 半监督学习方法研究综述[J].世界科技研究与发展, 2023, 45(1): 26-40.李永国1,2徐彩银1,2 汤璇1,2李祥燕1,2（1.上海海洋大学工程学院；2.上海海洋可再生能源工程技术研究中心）摘要：半监督学习存在于现实世界的各个场景中，可在生物化学领域对科学研究产生巨大的作用。在各领域也都有相关具体应用，如病毒毒性预测、网络安全检测、软传感器的应用等。随着机器学习领域的不断突破，目前尚缺乏关于半监督学习方法研究的完整综述。本文首先给出半监督学习的定义并分析了该领域应用过程中存在的挑战；然后梳理分析了半监督学习的四种方法，包括：半监督聚类、降维、回归、分类，并列出了这四种不同方法中比较先进的算法。随后介绍了各算法常见的评价指标（如精确率、召回率和ROC曲线等），对比了各类半监督学习算法效果，研究发现半监督学习方法都存在高于完全监督学习支持向量机的准确率，其中SSC-EKE算法以绝对优势领先传统的支持向量机经典监督学习算法。最后介绍了半监督学习的实际应用场景，展望了半监督学习的未来研究方向，并对全文进行总结。点击左下方“阅读原文”可下载PDF版论文。《世界科技研究与发展》作为科技发展的战略前沿性思想库媒体，以具有战略性、前瞻性、创新性、国际性、政策性、启发性、咨询性的国家权威科技智库型期刊为发展目标，全面报道国际科技发展战略、规划、计划、态势、趋势、前沿、政策、管理、评价等方面的最新科学研究进展。主要刊登科技发展评述与展望、科技发展战略与规划、科技发展态势与趋势、科技前沿与进展、科技政策与管理、科技评价与评估、科技决策与咨询等方面的研究类、综述评述类、战略决策咨询建议类文章等，以服务国家创新驱动发展和建设世界科技强国的科技决策、科技战略规划和科技管理。编辑部信息邮箱：bj@clas.ac.cn电话：028-85223853网站：www.globesci.com【免责声明】出于科研和文化交流目的，本公众号主要发布《世界科技研究与发展》期刊的录用文章，或转载其他媒体与网站的图文资讯。文章仅代表作者本人观点，本公众号对文中陈述、观点判断保持中立。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其他渠道者引发的一切纠纷与本公众号平台无关。 |