开发工具:
文件大小: 274kb
下载次数: 0
上传时间: 2021-03-16
详细说明：通常，在许多实际的数据挖掘应用程序中，例如网络分类，关键基因选择等，未标记的训练示例很容易获得，但是标记的训练示例获得起来相当昂贵。 因此，近年来，诸如基于图的方法之类的半监督学习算法引起了很多关注。 但是，大多数这些传统方法都采用高斯函数来计算图形的边缘权重。 本文提出了一种新的基于半监督图的权重方法。 新方法将来自问题的标签信息添加到目标函数中，并在进行计算时采用测地距离而不是欧几里得距离作为两个数据点之间差异的度量。 此外，我们还将来自问题的班级先验知识添加到半监督学习算法中。 在这里，我们解决了本地和全局一致性（LGC）的学习问题。 发现在高标签率和低标签率下，班级先验知识的影响可能有所不同。 此外，我们在LGC算法中集成了稀疏表示（SR）。 在UCI数据集上进行的实验表明，我们提出的方法优于原始算法。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
