核聚类启发式转导SVM
王睿
扬州市职业大学信息工程学院 扬州 22500
摘要：传统转导支持向量机有效地利用了未标记样本,具有较高的分类准确率,但是计算复杂度较高.针对该不足,论文提出了一种基于核聚类的启发式转导支持向量机学习算法.首先将未标记样本利用核聚类算法进行划分,然后对划分后的每一簇样本标记为同一类别,最后根据传统的转导支持向量机算法进行新样本集合上的分类学习.所提方法通过对核聚类后同一簇未标记样本赋予同样的类别,极大地降低了传统转导支持向量机算法的计算复杂度.在MNIST手写阿拉伯数字识别数据集上的实验表明,所提算法较好地保持了传统转导支持向量机分类精度高的优势.
关键词：转导支持向量机核聚类计算复杂度数字识别
分类号：TP181(自动化基础理论)
论文发表日期：2013-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：3( 1900-1902 )
英文信息