期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
用核K-means聚类和半定规划SVM实现垃圾标签检测
1
作者 覃华 丁立朵 +1 位作者 符丽锦 覃希 《计算机应用研究》 CSCD 北大核心 2013年第4期1179-1182,1186,共5页
提出使用核K-means聚类算法从样本集中抽取特征向量集来训练SVM,达到减少SVM规模的目的。SVM核函数的选择会影响SVM模型的分类效果,提出将多个非线性映射能力不同的核函数进行线性组合,在特征训练集上构造出组合SVM的半定规划模型,用内... 提出使用核K-means聚类算法从样本集中抽取特征向量集来训练SVM,达到减少SVM规模的目的。SVM核函数的选择会影响SVM模型的分类效果,提出将多个非线性映射能力不同的核函数进行线性组合,在特征训练集上构造出组合SVM的半定规划模型,用内点法求解出最优组合系数,得到非线性映射能力更强的半定规划SVM,并用做垃圾标签检测。在UCI数据集上与双层减样支持向量机方法进行比较,实验结果表明,新的垃圾标签检测法提高了识别率,并大幅度减少了训练时间。 展开更多
关键词 垃圾标签识别 支持向量机 多核函数组合 半定规划
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部