基于非线性Logistic模型的改进UDEED算法

摘要：

针对UDEED算法中线性Logistic模型分类预测准确率较低的问题,基于泰勒展开式,提出一种多项式核的非线性Logistic模型改进算法.研究非线性Logistic模型的核函数参数估计方法,更新损失函数的计算规则,并利用梯度下降法求解改进UDEED模型,实现数据集的分类预测.实验结果表明,与UDEED算法相比,改进算法提高了分类预测的准确率.

关键词：UDEED算法、非线性Logistic模型、半监督学习、无标签数据、梯度下降

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61773014

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：208-211