10.3969/j.issn.1009-3044.2010.28.001
一种应用稀疏高斯过程回归模型的半监督分类算法
高斯过程(GPS)是一种良好的贝叶斯分类方法和回归过程,也可应用于半监督聚类方面,就此提出了一个新的算法:使用稀疏高斯过程回归模型来解决半监督二元分类问题,它是基于支持向量回归(SVR)和最大空间聚类(MMC)的半监督分类方法,此算法简单且易于实现,不同于SVR算法的稀疏解决方案.另外,超参数的估计也不再使用复杂的交叉验证技术,利用稀疏高斯回归模型有助于提高算法的可扩展性.使用合成的和真实世界的数据集初步验证了该算法的有效性.
高斯过程、半监督学习、空类噪声模型、半监督分类器、超参数
6
TP311(计算技术、计算机技术)
面向入侵检测的数据流挖掘研究60873196;兰州市科技计划the Science Project of Lanzhou city under 2008-1-28
2011-01-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
7881-7883