科技通报
科技通報
과기통보
BULLETIN OF SCIENCE AND TECHNOLOGY
2013年
6期
107-109
,共3页
虚拟样本%分类%训练集%MINIT数据集
虛擬樣本%分類%訓練集%MINIT數據集
허의양본%분류%훈련집%MINIT수거집
virtual samples%classification%the training set%MINIT dataSet
针对目前虚拟样本生成方法不能保证所有生成的虚拟样本是真实的情况，本文提出了一种抽取真实虚拟样本进行分类学习的新算法。该算法首先利用原始训练集初步训练一个较为粗糙的分类器，随后根据该分类器排除不真实的虚拟样本，最后利用剩余的真实虚拟样本辅助原始样本进行训练，获得一个较为精确地分类器。在部分UCI标准数据集与MINIT数据集上的仿真实验说明了本文算法具有更高的精度。
針對目前虛擬樣本生成方法不能保證所有生成的虛擬樣本是真實的情況，本文提齣瞭一種抽取真實虛擬樣本進行分類學習的新算法。該算法首先利用原始訓練集初步訓練一箇較為粗糙的分類器，隨後根據該分類器排除不真實的虛擬樣本，最後利用剩餘的真實虛擬樣本輔助原始樣本進行訓練，穫得一箇較為精確地分類器。在部分UCI標準數據集與MINIT數據集上的倣真實驗說明瞭本文算法具有更高的精度。
침대목전허의양본생성방법불능보증소유생성적허의양본시진실적정황，본문제출료일충추취진실허의양본진행분류학습적신산법。해산법수선이용원시훈련집초보훈련일개교위조조적분류기，수후근거해분류기배제불진실적허의양본，최후이용잉여적진실허의양본보조원시양본진행훈련，획득일개교위정학지분류기。재부분UCI표준수거집여MINIT수거집상적방진실험설명료본문산법구유경고적정도。
