基于多粒度局部核心的自训练框架，用于商业应用中类别不平衡的半监督分类

《Neural Networks》：Self-Training Framework Based on Multi-Granularity Local Cores for Class-Imbalanced Semi-Supervised Classification in Buesiness Applications

　　

Junnan Li|Xiaosheng Su|Leo Wang|Jicheng Ma|Yingjun Xia|Yuqing Gu|Shun Fu|Wenli Xu|Ziqiang He

• •
  提出了一种基于多粒度局部核心的自训练框架，用于处理类别不平衡的半监督分类问题（MGLC-ICSSC）。
• •
  提出了一种多粒度局部核心搜索算法（MGLORE），用于寻找具有代表性的数据。
• •
  提出了一种分而治之的标注策略（DCLSCISS），用于对找到的代表性数据进行预测。
• •
  将MGLC-ICSSC扩展为四种自训练方法，用于在来自商业应用的类别不平衡半监督数据集上训练两个分类器。