节点文献
凹半监督支持向量机及其应用
Application of concave semi-supervised support vector machines
【摘要】 在训练集不足的情况下,SVM算法有待改进,以提高其评价的准确性。采用凹半监督支持向量机,利用少量标注样本和大量未标注样本进行机器学习,提高了模型预测的精度。
【Abstract】 In case of lack of sufficient training set,SVM algorithm is expected to improve its accuracy.The concave semisupervised support vector machines is adopted and the little labeled sample and lots of labeled samples are utilized for machine learning.Accuracy of the model is improved by this method.
【关键词】 凹半监督支持向量机；
机器学习；
未标注样本；
【Key words】 concave semi-supervised support vector machines； machine learning； unlabeled samples；
【Key words】 concave semi-supervised support vector machines； machine learning； unlabeled samples；
【基金】 广东省自然科学基金面上项目(No.8151063101000040);广东高校优秀青年创新人才培育项目(No(.2008)342号);广东省自然科学基金博士启动项目(No.9451063101002213)
- 【文献出处】 计算机工程与应用 ,Computer Engineering and Applications , 编辑部邮箱 ,2010年28期
- 【分类号】TP18
- 【下载频次】105