| 基于SVM的一种新的分类器设计方法 |
| |
| 引用本文： | 刘晶,郭雷,聂晶鑫. 基于SVM的一种新的分类器设计方法[J]. 计算机应用研究, 2006, 23(7): 181-182 |
| |
| 作者姓名： | 刘晶 郭雷 聂晶鑫 |
| |
| 作者单位： | 西北工业大学,自动化学院,陕西,西安,710072;西北工业大学,自动化学院,陕西,西安,710072;西北工业大学,自动化学院,陕西,西安,710072 |
| |
| 基金项目： | 国家高技术研究发展计划(863计划) |
| |
| 摘 要： | “半监督学习”方法,利用已经标注好的训练样本和无标注的训练样本一起训练分类器。在标准SVM分类器训练方法中融入这种思想,给分类面附近加入混合数据,提出了一种新的基于SVM的分类器设计方法,并将这种方法应用于小样本数据的分类问题中。实验表明,新的基于SVM的分类器与传统SVM相比较,在分类准确率上有很大提高,同时偏差有所降低。
|
| 关 键 词： | 小样本数据 SVM分类器 分类准确率 半监督学习 |
| 文章编号： | 1001-3695（2006）07-0181-02 |
| 收稿时间： | 2005-06-23 |
| 修稿时间： | 2005-06-232005-08-19 |
Novel Algorithm for Designing Classifier Based on SVM |
| |
| LIU Jing,GUO Lei,NIE Jing xin. Novel Algorithm for Designing Classifier Based on SVM[J]. Application Research of Computers, 2006, 23(7): 181-182 |
| |
| Authors: | LIU Jing GUO Lei NIE Jing xin |
| |
| Abstract: | According to "semisupervised learning", both labeled and unlabeled data are used to train classifier. Combining this idea with standard SVM classifier and adding a mixed data sets near the interface, a new SVM learning algorithm is proposed for classification of small data sets. Compared with the standard SVM algorithm, the experiments show our new classifier can both improve the classification accuracy and reduce the bias. |
| |
| Keywords: | Small Data Sets SVM Classifiers Classification Accuracy Semisupervised Learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
