论文部分内容阅读
针对如何提高有标签样本不足时的分类精度问题。提出脑-机接口系统（BCI）的类协同半监督学习算法（LCTSSL），采用有监督和无监督两种算法提取双特征训练双分类器协同扩充有标签样本集。在训练前后阶段设置不同置信度度量，选择两分类器分类结果一样的高置信度样本进行标记，保持每类每次新标记样本数目一样，提高有标样本集的可信度及识别系统的鲁棒性。迭代更新两分类器、有监督提取系统及相应特征，充分利用新标签信息。最后利用BCI竞赛2005的数据I证明LCTSSL算法的有效性。