计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
28期
132-134
,共3页
冼广铭%齐德昱%方群%柯庆%曾碧卿%庞雄文
冼廣銘%齊德昱%方群%柯慶%曾碧卿%龐雄文
승엄명%제덕욱%방군%가경%증벽경%방웅문
凹半监督支持向量机%机器学习%未标注样本
凹半鑑督支持嚮量機%機器學習%未標註樣本
요반감독지지향량궤%궤기학습%미표주양본
在训练集不足的情况下,SVM算法有待改进,以提高其评价的准确性.采用凹半监督支持向量机,利用少量标注样本和大量未标注样本进行机器学习,提高了模型预测的精度.
在訓練集不足的情況下,SVM算法有待改進,以提高其評價的準確性.採用凹半鑑督支持嚮量機,利用少量標註樣本和大量未標註樣本進行機器學習,提高瞭模型預測的精度.
재훈련집불족적정황하,SVM산법유대개진,이제고기평개적준학성.채용요반감독지지향량궤,이용소량표주양본화대량미표주양본진행궤기학습,제고료모형예측적정도.
