作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文主要提出了一种基于字典学习的正例无标记学习(Positive and Unlabeled learning, PU学习)的分类方法.在PU学习中引入字典学习以此来构建原始输入的新的特征表示,然后结合基于RankSVM的模型来优化分类器的性能.
推荐文章
基于核字典学习的图像分类
目标分类
稀疏表示
核字典学习
线性鉴别分析
支持向量机
以图像分类为目标的字典学习算法
图像分类
稀疏表示
字典训练
原子
基于SVM主动学习技术的 PU 文本分类
支持向量机
主动学习
PU
文本分类
Rocchio
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于字典学习的PU分类算法研究
来源期刊 电子世界 学科
关键词
年,卷(期) 2021,(3) 所属期刊栏目 探索与观察
研究方向 页码范围 47-48
页数 2页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
总被引数(次)
46655
论文1v1指导