一种半监督的最小最大模块化模式分类方法

本发明公开了一种半监督的最小最大模块化模式分类方法，属于数据挖掘技术领域。该方法是在最小最大模块化网络（即：M3网络）的任务分解阶段，将一部分未标记样本加入有标记样本子集中。

依据生成式半监督学习算法（即：fSSL）的构思，该方法产生含有未标记样本信息的特征，并将这些特征作为有标记样本的新特征。通过这种方式，实现了半监督的M3网络。

本发明解决了对大规模样本进行标记需要花费大量人力和物力的问题。同时，避免了非监督学习中存在的学习不稳定问题，并增强了原始M3网络的学习性能。

本发明公开了一种半监督的最小最大模块化模式分类方法，属于数据挖掘技术领域，该方法是在最小最大模块化网络(即：M3网络)的任务分解阶段所得到的有标记样本子集中加入一部分未标记样本，依据生成式半监督学习算法(即：fSSL)的构思，产生含有未标记样本信息的特征，并作为有标记样本的新特征，从而实现了半监督的M3网络。本发明解决了对大规模样本进行标记需要花费大量人力和物力的问题，避免了非监督学习中存在的学习不稳定问题，并且增强了原始M3网络的学习性能。