- 1、有哪些信誉好的足球投注网站(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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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
基于半监督学习的SVM-KNN
第33卷第6期 北京交通大学学报 V01.33No.6
2塑窒笙!至旦 』Q堑塞墅垒坠Q至旦曼!』!墼堡』!叁Q!Q型堡垒些!至星壁曼!!兰 望墼;至垡!竺
文章编号:1673.0291(2009)06—0097.04
基于半监督学习的SVM.KNN
李昆仑,骆学荣,孟晓倩
(河北大学电子信息工程学院,河北保定071002)
摘要:提出一种新的基于半监督的SVM.KNN分类方法,当可用的训练样本较少时,使用SVM
进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量
来改善SVM.KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练
样本的标记质量,可不断修复SVM的分类边界.实验结果表明,所提出的方法能提高SVM算法的
分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价.
关键词:半监督学习;支持向量机;K.近邻;边界向量;迭代
中图分类号:TPl81 文献标志码:A
for
SVM-KNN
Semi-SupervisedLearning
LI UO MENG
Kunlun,L
XuerongXiaoqian
ofElectronicsandInformation Hebai
071002,China)
(Cofiege Engineering,HebeiUniversity,Baoding
this anovelSVM·-KNNclassification basedon learn··
Abstract:In
paper methodologysemi·-supervised
is considerthe of a numberofunlabeleddatatoboost
ingproposed,we problemusinglarge perfor-
manceoftheclassifierwhen asmallsetoflabeled isavailable.Weusethefewlabeled
only examples
datetotrainaweakerSVMclassifierandmakeuseofthe vectorsto theweaker
boundary improve
SVM KNNclassifierdoesn’t thenumberof
iterativelybyintroducing enlarge
KNN.Using training
also the ofthenew whicharetransformedfrom
only,butimprovesquality trainingexamples
exampl
文档评论(0)