|
|||||
|
|
| 基于SVM的一种新的分类器设计方法 | |
| 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 |
| 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 | |