论文部分内容阅读
研究了在正例和未标记样本场景下不确定样本的分类问题，提出了一种新的算法NNPU（nearest neighbor algorithm for positive and unlabeled learning）。NNPU具有两种实现方式：NNPUa和NNPUu。在UCI标准数据集上的实验结果表明，充分考虑数据不确定信息的NNPUu算法要比仅仅考虑样本中不确定信息均值的NNPUa算法具有更好的分类能力；同时，NNPU算法在对精确数据进行分类时，比NN-d、OCC以及aPUNB算法性能更优。