.png){kind=icon}
返回
Semi-supervised rotation forest
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jocs.2025.102777.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种旋转森林（Rotation Forest）的半监督学习（SSL）变体（SSRotF）。
• 对监督学习下的旋转森林与SSRotF进行了比较。
• 进行了广泛的实验（涉及54个数据集和12种标签比例）。
• 探究了一种元学习（meta-learning）方法，以识别适合SSL的数据集。
期刊
J
IF:
3.7
论文数:
213
被引数:
0
机构
暂无机构信息
引用论文
Ensemble methods and semi-supervised learning for information fusion: A review and future research directions信息融合的集成方法和半监督学习: 综述和未来研究方向.png)
INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏problexity-An open-source Python library for supervised learning problem complexity assessmentNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation在二元分类评估中，马修斯相关系数 (MCC) 相对于F1得分和准确性的优势BMC GENOMICSOAAI
BMC GENOMICSIF3.7
OAAI分享收藏
Semi-supervised learning for industrial fault detection and diagnosis: A systemic review用于工业故障检测和诊断的半监督学习: 系统综述ISA TRANSACTIONSOAAI
ISA TRANSACTIONSIF6.5
OAAI分享收藏分享收藏分享收藏
查看更多内容