作者:李煜; 冯翱; 邹书蓉支持向量机直推式学习无标签样本
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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社