凹半监督支持向量机及其应用
요반감독지지향량궤급기응용
Application of concave semi-supervised support vector machines
  • 万方数据
    计算机工程与应用 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

    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.
    재훈련집불족적정황하,SVM산법유대개진,이제고기평개적준학성.채용요반감독지지향량궤,이용소량표주양본화대량미표주양본진행궤기학습,제고료모형예측적정도.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문