半监督学习思想在机器学习相关问题中的应用研究

本项目以半监督学习思想主线，研究如何针对特征选择、代表点选择、组合分类器构造及数据流分类等机器学习相关问题引入和应用不带类别标签数据信息及半监督学习思想。提出基于随机方法或分类置信度引入不带类别标签数据进行半监督特征选择；基于分类置信度指标进行代表点选择及基于半监督聚类进行训练集过滤；基于半监督学习、半监督特征选择及半监督代表点选择进行组合分类器构造；基于变动检测及半监督学习的动态特征选择、动态代表点选择及动态组合分类器构造等研究思路及方案。研究成果一方面可以拓展及丰富当前半监督学习的理论和方法，另一方面可用于指导解决许多适用半监督学习思想的实际分类问题。