典型文献
隐空间特征增强自标记半监督SVM分类新方法
文献摘要：
利用大量未标签样本和少量已标签样本共同训练一个有效的分类器是半监督学习方法的优势,自训练半监督学习方法因其简单且有效的特性而被广泛使用.文章提出基于隐空间特征增强的自训练半监督支持向量机分类学习方法,该方法首先将原空间已标签数据样本和大量无标签数据样本映射到同一隐空间,构建特征增强空间,在此特征增强空间结合概率密度进行自标记半监督SVM学习,以提高分类器的准确性和鲁棒性.UCI数据集上的实验证明,所提算法比传统的自训练学习算法具有更好的性能.
文献关键词：
特征增强;半监督学习;自训练;SVM;密度估计
中图分类号：
作者姓名：
许敏
作者机构：
无锡职业技术学院物联网技术学院,江苏无锡214121
文献出处：
引用格式：
[1]许敏-.隐空间特征增强自标记半监督SVM分类新方法)[J].统计与决策,2022(07):11-15
A类：
B类：
隐空间,空间特征增强,分类器,半监督学习,自训练,法因,半监督支持向量机,支持向量机分类,分类学,无标签数据,射到,概率密度,UCI,训练学,密度估计
AB值：
0.243657
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
