文件名称：基于半监督学习的SVM-KNN (2009年)
文件大小：309KB
文件格式：PDF
更新时间：2024-06-14 11:25:41
自然科学 论文
提出一种新的基于半监督的SVM-KNN分类方法，当可用的训练样本较少时，使用SVM进行分类，不能得到准确的分类边界，本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM-KNN分类器的引进不仅扩充了SVM的训练样本数目，而且优化了迭代过程中训练样本的标记质量，可不断修复SVM的分类边界。实验结果表明，所提出的方法能提高SVM算法的分类精度，通过调整参数能够获得更好的分类效果，同时也减小了标记大量未标记样本的代价。