| 基于改进k近邻的直推式支持向量机学习算法 |
| |
| 引用本文： | 李 煜,冯 翱,邹书蓉.基于改进k近邻的直推式支持向量机学习算法[J].计算机与现代化,2018,0(4):22. |
| |
| 作者姓名： | 李 煜 冯 翱 邹书蓉 |
| |
| 基金项目： | 四川省科技厅重点研发项目(2017GZ0331) |
| |
| 摘 要： | 针对直推式支持向量机(TSVM)需要遍历所有无标签样本花费时间长的缺点，提出一种基于改进k近邻法的直推式支持向量机学习算法--k2TSVM。该算法首先使用k均值聚类将无标签样本分成若干簇，然后求出每簇中心点的k近邻并根据其中正负样本个数对无标签样本进行删减，将删减后的数据集输入直推式支持向量机进行训练。k2TSVM改善传统TSVM需要遍历所有无标签数据的缺点，有效减少训练样本规模，能够提高运行速度。实验结果表明，k2TSVM在降低运行时间的同时，能够取得比类似TSVM改进算法更好的分类结果。
|
| 关 键 词： | 支持向量机 直推式学习 k近邻法 k均值聚类 无标签样本 |
| 收稿时间： | 2018-05-02 |
TSVM Learning Algorithm Based on Improved Knearest Neighbor |
| |
| LI Yu,FENG Ao,ZOU Shurong.TSVM Learning Algorithm Based on Improved Knearest Neighbor[J].Computer and Modernization,2018,0(4):22. |
| |
| Authors: | LI Yu FENG Ao ZOU Shurong |
| |
| Abstract: | (College of Computer Sciences, Chengdu University of Information Technology, Chengdu 610225, China) |
| |
| Keywords: | support vector machine transductive inference knearest neighbor kmeans clustering unlabeled samples |
|
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
