GGMC算法目标函数值实验分析与算法改进

• 作者: 修宇 王忠群 王骏 皇苏斌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图半监督学习 贪心最大割 早期停止策略 目标函数值
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 111-117,188
• 页数: 8页
• 分类号: TP181
• 字数: 5702字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1409-0194

摘要

针对贪心最大割图半监督学习算法（简称GGMC）计算复杂度较高的问题，提出一种改进的贪心最大割图半监督学习算法（简称GGMC-Estop）。依据对GGMC算法优化过程中目标函数变化趋势的实验分析，采取两种在迭代初期停止GGMC算法运行策略，继而通过一次标准的标签传播步骤预测图上所有样本的标记来实施对GGMC的改进。典型数据集的仿真实验结果表明，在取得相近分类性能的同时，改进算法在计算速度上有很大的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠群	安徽工程大学计算机与信息学院	74	279	8.0	13.0
2	皇苏斌	安徽工程大学计算机与信息学院	15	46	4.0	6.0
3	修宇	安徽工程大学计算机与信息学院	19	46	4.0	6.0