利用未标记数据提高SVM分类器性能的研究

• 作者: 祝宇 聂峰光 郭力
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本分类 未标记 Rocchio法 K近邻法 支持向量机
• 年，卷（期）: 2006,（27）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 166-167,170
• 页数: 3页
• 分类号: TP391
• 字数: 3365字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.27.050

摘要

监督学习算法的一个主要困难在于需要大量标记过的训练集数据,采用人工的方法不够现实.文章提出了SVM分类器在少量标记训练样本情况下,采用Rocchio法和KNN方法从大量的未标记数据中,挑选相似度较高、区别度较大的数据加入到训练集中,弥补训练样本的不足.实验表明该算法有效地利用了丰富的未标记数据,减少了人工标记量,较好地提高了SVM分类器的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭力	中国科学院过程工程研究所多相反应实验室	59	532	13.0	18.0
2	聂峰光	中国科学院过程工程研究所多相反应实验室	17	123	7.0	10.0
3	祝宇	中国科学院过程工程研究所多相反应实验室	2	13	2.0	2.0