核聚类启发式转导SVM.pdfVIP

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Vo1.41No.12 计算机与数字工程 总第290期 1900 ComDuter DigitalEnui. 2013年第 12期 核聚类启发式转导 SVM 王 睿 (扬州市职业大学信息工程学院 扬州 22500) 摘 要 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。 关键词 转导支持向量机;核聚类;计算复杂度;数字识别 中图分类号 TP181 DOI:10.3969/j.issn1672—9722.2013.12.009 HeuristicTransductiveSupportVectorMachineAlgorithm BasedonKernelClustering 、7l,ANG Rui (InstituteofInformationEngineering,YangzhouPolytechnicCollege,Yangzhou 225009) Abstract Asthetraditionaltransductivesupportvectormachinemakesfulluseofunlabeledsamples,ithasahighclassificationpreci— sion,buthighcomputationaIcomplexity.Forthisshortcoming,thispaperproposesaheuristictransductivesupportvectormachinealgorithm basedonkernelclustering.First,theunlabeledsamplesaredividedbykernelclusteringalgorithm.Then1abelsamplesinthesamecluster aremarkedwiththesamelabe1.Finally,aclassifierwithtraditiona1transductivesupportvectormachineonthenew trainingsetislearned. Bylabelingsamplesinthesameclusterwiththesamelabel,theproposedalgorithm caneffectivelyreducethecomputationalcomplexity.Ex— perimentonMNISThandwrittenArabicdigitsrecognitiondatasetsshowsthattheproposedalgorithm caneffectivelymaintaintheadvantage oftraditionaltransductivesupportvectormachineonclassificationprecision. KeyW ords transductivesupportvectormachine,kernelclustering,computationalcomplexity,digitsrecognition CIassNumber TP181 转导支持向量机学习方法可以有效地提高分类器在小 1 引言

您可能关注的文档

文档评论(0)

lizhencai0920 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6100124015000001

1亿VIP精品文档

相关文档