基于蚁群聚类算法的SVM半监督式训练方法

• 作者: 金珠 马小平
• 来源期刊: 西华大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机 蚁群聚类算法 机器学习
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 56-60
• 分类号: TP181
• 字数: 4331字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-159X.2011.01.016

摘要

传统支持向量机在处理包含大量未知类别样本的训练集时性能较差.针对这一不足,在少量已知类别样本和大量未知类别样本构成的训练集上,提出一种基于蚁群聚类算法的支持向量机半监督式学习方法.该方法应用蚁群聚类算法进行聚类分析,实现了同类样本的自组织聚类;通过一个递归的类别判定算法,同收样本类别;同时,提取各类簇之间靠得相对较近的边界样本组成精简训练集,以缩减训练集规模加快学习速度.实验表明,该算法能够自适应样本类别分布,有较高的分类精度和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小平	中国矿业大学信息与电气工程学院	152	1129	17.0	27.0
2	金珠	中国矿业大学信息与电气工程学院	7	22	3.0	4.0