| 基于半监督高斯混合模型核的支持向量机分类算法 |
| |
| 引用本文： | 陶新民,曹盼东,宋少宇,付丹丹.基于半监督高斯混合模型核的支持向量机分类算法[J].信息与控制,2013(1):18-26. |
| |
| 作者姓名： | 陶新民 曹盼东 宋少宇 付丹丹 |
| |
| 作者单位： | 哈尔滨工程大学信息与通信工程学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61074076);中国博士后科学基金资助项目(20090450119);中国博士点新教师基金资助项目(20092304120017) |
| |
| 摘 要： | 提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同传统SVM算法、直推式支持向量机(TSVM)以及随机游走(RW)半监督算法进行分类性能比较,结果证明该算法在拥有较少标示样本训练的情况下分类性能也有所提高且具有较高的鲁棒性.
|
| 关 键 词： | 支持向量机算法 半监督 高斯混合模型 直推式 |
The SVM Classification Algorithm Based on Semi-Supervised Gauss Mixture Model Kernel |
| |
| TAO Xinmin,CAO Pandong,SONG Shaoyu,FU Dandan.The SVM Classification Algorithm Based on Semi-Supervised Gauss Mixture Model Kernel[J].Information and Control,2013(1):18-26. |
| |
| Authors: | TAO Xinmin CAO Pandong SONG Shaoyu FU Dandan |
| |
| Affiliation: | (College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
