用核K-means聚类和半定规划SVM实现垃圾标签检测

• 作者: 丁立朵 符丽锦 覃华 覃希
• 来源期刊: 计算机应用研究
• 关键词: 垃圾标签识别 支持向量机 多核函数组合 半定规划
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1179-1182,1186
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.04.059

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃华	广西大学计算机与电子信息学院	52	334	11.0	15.0
2	丁立朵	广西大学计算机与电子信息学院	1	5	1.0	1.0
3	符丽锦	广西大学计算机与电子信息学院	2	9	2.0	2.0
4	覃希	广西大学计算机与电子信息学院	8	123	5.0	8.0