模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2011年
4期
591-596
,共6页
垃圾书签%垃圾检测%支持向量机%可信度%集成学习
垃圾書籤%垃圾檢測%支持嚮量機%可信度%集成學習
랄급서첨%랄급검측%지지향량궤%가신도%집성학습
针对现有垃圾书签检测方法在用户概貌信息较少情况下检测性能下降的问题,提出一种融入可信度的集成SVM垃圾书签检测方法.首先基于Bootstrap技术对训练样本进行可重复采样,得到个体SVM的训练子集,然后将SVM的标准输出直接拟合Sigmoid函数得到SVM的后验概率输出,作为类别输出的可信度,并提出一种性能优于投票策略的融入可信度的融合方法对个体SVM的输出结果进行融合.实验结果表明,该方法在用户概貌信息较少的情况下具有较好的检测性能.
針對現有垃圾書籤檢測方法在用戶概貌信息較少情況下檢測性能下降的問題,提齣一種融入可信度的集成SVM垃圾書籤檢測方法.首先基于Bootstrap技術對訓練樣本進行可重複採樣,得到箇體SVM的訓練子集,然後將SVM的標準輸齣直接擬閤Sigmoid函數得到SVM的後驗概率輸齣,作為類彆輸齣的可信度,併提齣一種性能優于投票策略的融入可信度的融閤方法對箇體SVM的輸齣結果進行融閤.實驗結果錶明,該方法在用戶概貌信息較少的情況下具有較好的檢測性能.
침대현유랄급서첨검측방법재용호개모신식교소정황하검측성능하강적문제,제출일충융입가신도적집성SVM랄급서첨검측방법.수선기우Bootstrap기술대훈련양본진행가중복채양,득도개체SVM적훈련자집,연후장SVM적표준수출직접의합Sigmoid함수득도SVM적후험개솔수출,작위유별수출적가신도,병제출일충성능우우투표책략적융입가신도적융합방법대개체SVM적수출결과진행융합.실험결과표명,해방법재용호개모신식교소적정황하구유교호적검측성능.
