文献知网节
  • 记笔记
摘要:为了进一步提高分类器的识别精度,基于支持向量数据描述SVDD(support vector datadescription)和集成学习优点的Ensemble-SVDD半监督学习算法,首先为少量有标记数据的各类数据分别建立SVDD分类器,然后对无标记样本进行测试,利用已识别的无标记样本对已建立的分类面进行调整、优化。被识别出来的无标记数据和有标记数据集合在一起训练一个基分类器,多个基分类器集成在一起投票对测试样本进行测试。在5个UCI数据集上进行实验表明,本算法与tri-training算法相比平均识别精度高3%,与仅采用纯有标记数据的SVDD分类器相比,平均识别精度高6.4%,验证了该算法的有效性。
  • 专辑:

    基础科学; 信息科技

  • 专题:

    自动化技术

  • 分类号:

    TP181

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:263 页码:31-36 页数:6 大小:170K

引文网络
  • 参考文献
  • 引证文献
  • 共引文献
  • 同被引文献
  • 二级参考文献
  • 二级引证文献
  • 批量下载
相关推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 相关法规
  • 关联作者
  • 相关视频