10.3969/j.issn1672-9722.2013.12.009
核聚类启发式转导SVM
传统转导支持向量机有效地利用了未标记样本,具有较高的分类准确率,但是计算复杂度较高.针对该不足,论文提出了一种基于核聚类的启发式转导支持向量机学习算法.首先将未标记样本利用核聚类算法进行划分,然后对划分后的每一簇样本标记为同一类别,最后根据传统的转导支持向量机算法进行新样本集合上的分类学习.所提方法通过对核聚类后同一簇未标记样本赋予同样的类别,极大地降低了传统转导支持向量机算法的计算复杂度.在MNIST手写阿拉伯数字识别数据集上的实验表明,所提算法较好地保持了传统转导支持向量机分类精度高的优势.
转导支持向量机、核聚类、计算复杂度、数字识别
41
TP181(自动化基础理论)
2014-02-24(万方平台首次上网日期,不代表论文的发表时间)
共3页
1900-1902