利用未标记数据提高SVM分类器性能的研究
文献类型：期刊论文
| 作者 | 祝宇 ; 聂峰光 ; 郭力 |
| 刊名 | 计算机工程与应用
 |
| 出版日期 | 2006 |
| 期号 | 27页码:166-167+170 |
| 关键词 | 文本分类 未标记 Rocchio法 K近邻法 支持向量机 |
| 中文摘要 | 监督学习算法的一个主要困难在于需要大量标记过的训练集数据,采用人工的方法不够现实。文章提出了SVM分类器在少量标记训练样本情况下,采用Rocchio法和KNN方法从大量的未标记数据中,挑选相似度较高、区别度较大的数据加入到训练集中,弥补训练样本的不足。实验表明该算法有效地利用了丰富的未标记数据,减少了人工标记量,较好地提高了SVM分类器的性能。 |
| 公开日期 | 2013-10-30 |
| 版本 | 出版稿 |
| 源URL | [http://ir.ipe.ac.cn/handle/122111/4562]  |
| 专题 | 过程工程研究所_研究所（批量导入） |
| 推荐引用方式 GB/T 7714 | 祝宇,聂峰光,郭力. 利用未标记数据提高SVM分类器性能的研究[J]. 计算机工程与应用,2006(27):166-167+170. |
| APA | 祝宇,聂峰光,&郭力.(2006).利用未标记数据提高SVM分类器性能的研究.计算机工程与应用(27),166-167+170. |
| MLA | 祝宇,et al."利用未标记数据提高SVM分类器性能的研究".计算机工程与应用 .27(2006):166-167+170. |
入库方式： OAI收割
来源：过程工程研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。