计算机与现代化

• 数据库与数据挖掘 • 上一篇    下一篇

基于改进k近邻的直推式支持向量机学习算法

  

  1. (成都信息工程大学计算机学院,四川成都610225)
  • 出版日期:2018-04-28 发布日期:2018-05-02
  • 基金资助:
    四川省科技厅重点研发项目(2017GZ0331)

TSVM Learning Algorithm Based on Improved Knearest Neighbor

  1.  (College of Computer Sciences, Chengdu University of Information Technology, Chengdu 610225, China)
  • Online:2018-04-28 Published:2018-05-02

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——k2TSVM。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。k2TSVM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,k2TSVM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。

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

Abstract: (College of Computer Sciences, Chengdu University of Information Technology, Chengdu 610225, China)

Key words: support vector machine, transductive inference, knearest neighbor, kmeans clustering, unlabeled samples

中图分类号: