您的位置： 专家智库 > >

袁爱领

作品数：1 被引量：12H指数：1
供职机构：中国矿业大学（北京）机电与信息工程学院更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇正则
  • 1篇正则化
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇向量
  • 1篇向量机
  • 1篇流形
  • 1篇流形学习
  • 1篇流形正则化
  • 1篇核方法
  • 1篇半监督学习
  • 1篇标签
  • 1篇标签数据

机构

  • 1篇中国矿业大学...

作者

  • 1篇钱旭
  • 1篇袁爱领
  • 1篇齐伟

传媒

  • 1篇软件

年份

  • 1篇2013
共 1 条 记 录，以下是 1-1
全选 清除 导出
排序方式：
基于流形正则化的支持向量机文本分类被引量：12
2013年
支持向量机(Support Vector Machine,SVM)是一种Vapnik等在统计学理论的基础上发展起来的可训练机器学习的方法。它主要针对小样本的机器学习,具有泛化性能好、高维操作方便、适应性强、全局优化、训练时间短、理论完备等特点,因此得到了日益广泛的应用和研究。本文将半监督学习算法应用到基于支持向量机的文本分类技术[1-2]中,提出了一组基于几何正则化方式的学习算法。虽然这种新型算法适用于无监督到完全监督的整个范围,本文专注于半监督学习算法方面的研究。之后,本文讨论了新型方法在SVM算法上的扩展。实验数据表明,这种新型算法可以有效的使用未标记数据。
袁爱领齐伟钱旭
关键词：半监督学习正则化核方法流形学习支持向量机
全选 清除 导出
共1页<1>
聚类工具0