基于图的组合半监督SVM聚类核算法研究

• 作者: 李雷 郑文静
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 半监督支持向量机 聚类核 图 分类
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 109-112,116
• 页数: 5页
• 分类号: TP301.6
• 字数: 4210字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.05.026

摘要

为了在聚类假设的基础上，进一步提高支持向量机的分类精度，文中通过引入线性分段转换函数，将加权无向图上的相似矩阵重新表示，改变该图上的距离度量，使得在同一群集中两点间的距离更小，从而建立基于图的聚类核，与多项式核函数线性组合后，构造出基于图的组合半监督聚类核，并将其用于支持向量机的训练和分类。实验表明，与标准SVM算法相比，该算法分类精度较高，且高于组合前的单个核函数。随着标记样本比例的增加，该算法的分类精度也在增加，有效利用了未标记样本蕴含的信息。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雷	南京邮电大学理学院	82	539	12.0	18.0
2	郑文静	南京邮电大学理学院	2	7	2.0	2.0