基于改进k-近邻的直推式支持向量机学习算法

• 作者: 冯翱 李煜 邹书蓉
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 支持向量机 直推式学习 k-近邻法 k-均值聚类 无标签样本
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 22-25
• 页数: 4页
• 分类号: TP301.6
• 字数: 4379字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.04.005

摘要

针对直推式支持向量机(TSVM)需要遍历所有无标签样本花费时间长的缺点,提出一种基于改进k-近邻法的直推式支持向量机学习算法——k2TSVM.该算法首先使用k-均值聚类将无标签样本分成若干簇,然后求出每簇中心点的k近邻并根据其中正负样本个数对无标签样本进行删减,将删减后的数据集输入直推式支持向量机进行训练.k2TSVM改善传统TSVM需要遍历所有无标签数据的缺点,有效减少训练样本规模,能够提高运行速度.实验结果表明,k2TSVM在降低运行时间的同时,能够取得比类似TSVM改进算法更好的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹书蓉	成都信息工程大学计算机学院	24	108	7.0	9.0
2	李煜	成都信息工程大学计算机学院	1	0	0.0	0.0
3	冯翱	成都信息工程大学计算机学院	2	0	0.0	0.0