文件名称：论文研究-基于密度中心图的弱监督分类方法.pdf
文件大小：542KB
文件格式：PDF
更新时间：2022-09-30 09:57:49
论文研究
提出一种基于密度中心图的弱监督分类方法，利用少量已标注样本，结合大量未知模式样本进行弱监督学习。借助样本空间的密度信息，求出密度中心点来准确地反应数据的空间几何特征，在此基础上建图，利用标记传递方法，使得相似的顶点尽可能赋予相同的类别标记。该方法具备基于图的弱监督算法的良好数学基础，可以发现任意形状的类，对噪音不敏感。并且该方法具有近线性的时间复杂度，更适合处理大规模的数据。将该方法用于UCI机器学习数据集，实验证明，该方法能获得较好的分类效果。