基于成对约束半监督学习的数据相关核优化方法 | |
王娜 ; 刘国胜 ; 李霞 | |
刊名 | http://epub.edu.cnki.net/grid2008/brief/detailj.aspx?filename=MSSB201105014&dbname=CJFQ2011
![]() |
2012-04-27 ; 2012-04-27 | |
关键词 | 成对约束 数据相关核 半监督学习 核主成分分析 |
中文摘要 | 核函数及其参数的选择决定着核方法的性能.本文基于半监督学习思想,通过构建一个目标函数,利用无标签数据和成对约束信息来优化核函数,使得核函数尽可能适应数据集,从而改善核函数性能.为验证方法的有效性,将其应用于核主成分分析(KPCA)的核函数优化中,在人工数据和UCI数据集上对KPCA提取特征的分类和聚类性能进行评估,实验结果说明提出方法改进了分类和聚类性能. |
语种 | 中文 |
其他责任者 | 深圳大学信息工程学院 |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/244041/2175] ![]() |
专题 | 清华大学 |
推荐引用方式 GB/T 7714 | 王娜,刘国胜,李霞. 基于成对约束半监督学习的数据相关核优化方法[J]. http://epub.edu.cnki.net/grid2008/brief/detailj.aspx?filename=MSSB201105014&dbname=CJFQ2011,2012, 2012. |
APA | 王娜,刘国胜,&李霞.(2012).基于成对约束半监督学习的数据相关核优化方法.http://epub.edu.cnki.net/grid2008/brief/detailj.aspx?filename=MSSB201105014&dbname=CJFQ2011. |
MLA | 王娜,et al."基于成对约束半监督学习的数据相关核优化方法".http://epub.edu.cnki.net/grid2008/brief/detailj.aspx?filename=MSSB201105014&dbname=CJFQ2011 (2012). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论