| 基于密度中心图的弱监督分类方法 |
| |
| 引用本文： | 陈燕,耿国华,贾晖.基于密度中心图的弱监督分类方法[J].计算机工程与应用,2015(6):6-10. |
| |
| 作者姓名： | 陈燕 耿国华 贾晖 |
| |
| 作者单位： | 1. 西北大学 信息科学与技术学院，西安 710127; 西安邮电大学 计算机学院，西安 710121
2. 西北大学 信息科学与技术学院,西安,710127 |
| |
| 基金项目： | 国家自然科学基金(No.61373117);西安邮电大学青年基金(No.103-0457) |
| |
| 摘 要： | 提出一种基于密度中心图的弱监督分类方法，利用少量已标注样本，结合大量未知模式样本进行弱监督学习。借助样本空间的密度信息，求出密度中心点来准确地反应数据的空间几何特征，在此基础上建图，利用标记传递方法，使得相似的顶点尽可能赋予相同的类别标记。该方法具备基于图的弱监督算法的良好数学基础，可以发现任意形状的类，对噪音不敏感。并且该方法具有近线性的时间复杂度，更适合处理大规模的数据。将该方法用于UCI机器学习数据集，实验证明，该方法能获得较好的分类效果。
|
| 关 键 词： | 弱监督学习 分类 密度 数据挖掘 |
Density center graph based weakly supervised classification algorithm |
| |
| CHEN Yan
,
GENG Guohua
,
JIA Hui.Density center graph based weakly supervised classification algorithm[J].Computer Engineering and Applications,2015(6):6-10. |
| |
| Authors: | CHEN Yan GENG Guohua JIA Hui |
| |
| Affiliation: | CHEN Yan;GENG Guohua;JIA Hui;School of Information and Technology, Northwest University;School of Computer Science and Technology, Xi’an University of Posts and Telecommunications; |
| |
| Abstract: | |
| |
| Keywords: | weakly supervised learning classification density data mining |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
