注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于SVM的一种新的分类器设计方法

  2. 根据半监督学习方法，利用已经标注好的训练样本和无标注的训练样本一起训练分类器

  3. 所属分类：专业指导

    • 发布日期：2009-07-15
    • 文件大小：220160
    • 提供者：wyb0204

  1. Introduction to Semi-Supervised Learning

  2. jerry zhu于2009年有关半监督的新作

  3. 所属分类：专业指导

    • 发布日期：2011-04-07
    • 文件大小：1048576
    • 提供者：ght1102

  1. 半监督算法的未来发展方向

  2. 这是xiaojin zhu的学生Andrew Brian Goldberg于2010年写的一个report，指出了半监督学习的未来发展方向。

  3. 所属分类：专业指导

    • 发布日期：2011-06-17
    • 文件大小：3145728
    • 提供者：ght1102

  1. 基于半监督的帮助训练算法，英文文献，2011

  2. 帮助训练算法不同于传统的混合法，因为，在训练后，只把判决分类器的参数返回并用到下次测试步骤中，而将生成模型丢弃，它只用于帮助主训练器c学习没有标记数据的参数，这就使得c在测试中独立了.我们的目的是让区别分类器能在没有生产性分类器的条件下自动的做预测。 分析：第一，自训练和帮助训练都好，很接近贝叶斯错误。第二，自训练的svm很依赖原始数据分布（标记数据），它的泛化能力与标记数据的监督学习的泛化能力是相关的。而帮助监督的泛化能力就不太依赖原始数据。第三，帮助训练的结果与标记全部样本得到的测试结果几

  3. 所属分类：C/C++

    • 发布日期：2011-06-28
    • 文件大小：1048576
    • 提供者：sanjinxiaomula

  1. s4vm半监督学习

  2. 半监督SVM 用于解决数据不平衡问题，已运行 可用无误

  3. 所属分类：教育

    • 发布日期：2014-07-04
    • 文件大小：9216
    • 提供者：u013728922

  1. 半监督分类算法源程序-matlab代码

  2. matlab代码程序，训练集 测试集代码，优化半监督svm 朴素贝叶斯 等等

  3. 所属分类：机器学习

    • 发布日期：2018-05-12
    • 文件大小：97280
    • 提供者：qq_34292097

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14680064
    • 提供者：hardpen2013

  1. 机器学习.xmind

  2. 西瓜书学习笔记，用Xmind做的记录，里面包括线性模型、神经网络、决策树、SVM、贝叶斯、EM、聚类、降维、半监督、强化等

  3. 所属分类：机器学习

    • 发布日期：2020-04-20
    • 文件大小：5242880
    • 提供者：qq_40545229

  1. 基于半监督过采样非平衡学习的矿山微震信号识别

  2. 为准确实现冲击矿压灾害的预防预警,提出一种半监督过采样框架对煤矿微震数据进行模式识别,采用主成分分析、小波变换和Fisher判别对微震数据集样本的多个信号通道进行特征提取;并对提取到的特征数据进行半监督非平衡学习;最后训练分类器进行模式识别。通过在兖矿集团微震数据集进行试验,结果表明:针对微震数据的半监督过采样框架可以有效提高微震数据的识别准确率。与只进行过采样的方法相比,使用CPLE和SELF两种半监督学习的方法,在KNN、LR、FLD、RF、SVM和Adaboost这6个分类器上有5个分类器

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：1048576
    • 提供者：weixin_38743235

  1. 1 新技术篇-机器学习概述.pdf

  2. 机器学习在中国,随着人们物质基础得提升,寿命的增长以及环境的影响,癌症每年正以...以及正在被应用于癌症研究的新技术、新方法,什么是机器学习? 不同的定义: “机器学习是一门人工智能的科学,主 要研究对象是人工智能,特别是如何在 raining Data 经验学习中改善具体算法的性能。” “机器学习是对能通过经验自动改进的 计算机算法的研究。” Random Tuning 机器学习是使用数据或以往的经验 Learning Algorithm 以此优化计算机程序的性能标准 ◇总结如下: 人工智能的

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：621568
    • 提供者：u010461615

  1. 一种面向不平衡数据的半监督特征选择算法

  2. 针对不平衡数据中特征维数高、标记样本缺乏问题,提出一种基于遗传算法和BiasedSVM的不平衡数据半监督特征选择算法。该方法首先利用初始的标记样本集训练处理不平衡数据的Biased-SVM模型,然后用训练好的Biased-SVM模型为未标记样本加上标签,再把新标记样本加入到初始标记样本集中,得到新标记样本集,最后采用基于遗传算法的不平衡数据特征选择方法选出最优的特征子集。实验结果表明,所提方法在不同的标记样本率下均具有较高的平均特征子集缩减率和平均小类识别率。

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：297984
    • 提供者：weixin_38666300

  1. 基于半监督学习和支持向量机的煤与瓦斯突出预测研究

  2. 针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。

  3. 所属分类：其它

    • 发布日期：2020-07-17
    • 文件大小：478208
    • 提供者：weixin_38655990

  1. 半监督流形学习与亲和力正则化使用正电子发射断层显像技术鉴定阿尔茨海默氏病

  2. 痴呆，尤其是阿尔茨海默氏病（AD）是一个全球性问题，对人口老龄化构成了巨大威胁。 需要一种基于图像的计算机辅助痴呆诊断方法，以在医学图像检查期间为医生提供帮助。 已经提出了许多使用医学成像的基于机器学习的痴呆分类方法，并且大多数方法都能获得准确的结果。 但是，这些方法大多数都使用需要完全标记图像数据集的监督学习，这在实际临床环境中通常不可行。 使用大量未标记图像可以提高痴呆症的分类性能。 在这项研究中，我们提出了一种基于随机流形学习与亲和力正则化的新型半监督痴呆分类方法。 从正电子发射断层扫描（

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_38558870

  1. 基于SVM的苯酚浓度半监督软测量方法

  2. 基于SVM的监督学习方法一般是通过采用标记样本去训练SVM回归模型,从而得到支持向量,且只有这些支持向量对模型的估计才有贡献。然而在实际应用中,通过取样分析获得的标记样本一般数量较少,且难以覆盖整个样本空间,所以训练出来的SVM回归模型的支持向量也不够完整,影响模型的估计精度和泛化能力。针对该问题,本文利用未标记样本中信息较为丰富的可能支持向量,采用本文提出的判定准则和标记方法后用于SVM回归模型的学习,仿真结果表明,随着未标记样本中支持向量的增加,SVM回归模型的估计精度和泛化能力得到改善。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：470016
    • 提供者：weixin_38654915

  1. 应用程序驱动的数据流分类框架

  2. 在以上应用中，对数据流建模往往会碰到三个难题：分类模式动态变化（概念漂移），大数据量，标签困难。变量，本文提出了一种基于SVM的数据流分类框架，该框架将数据流中的数据划分为不同类型（标签同概念，标签不同概念，未标签同概念和未标签）不同概念），并组合经典SVM，半监督SVM，转移SVM和关系K-means模型进行学习，在某些真实数据流上我们验证了该模型的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：903168
    • 提供者：weixin_38625599

  1. 基于两阶段学习的半监督SVM故障检测方法

  2. 提出一种基于两阶段学习的半监督SVM故障检测方法。该方法首先使用标识传递算法给未标识样本赋予初始伪标识,并通过k近邻图对比样本点标识值,将可能是噪声的样本点识别并剔除;然后将去噪处理后的样本集输入到SVM中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的故障检测性能。实验中将该方法同支持向量机(SVM)、模糊支持向量机(FSVM)、直推式支持向量机(TSVM)及拉普拉斯支持向量机算法(LapSVM)进行比较,结果表明该方法在不同数目标识样本集合的情况下,检测精度较其他算法有较大幅度提

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38596413

  1. 基于两阶段学习的半监督支持向量机分类算法

  2. 提出了一种基于两阶段学习的半监督支持向量机(semi-supervised SVM)分类算法.首先使用基于图的标签传递算法给未标识样本赋予初始伪标识,并利用k近邻图将可能的噪声样本点识别出来并剔除;然后将去噪处理后的样本集视为已标识样本集输入到支持向量机(SVM)中,使得SVM在训练时能兼顾整个样本集的信息,从而提高SVM的分类准确率.实验结果证明,同其它半监督学习算法相比较,本文算法在标识的训练样本较少的情况下,分类性能有所提高且具有较高的可靠性.

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：774144
    • 提供者：weixin_38672794

  1. 图像分类的随机半监督采样方法

  2. 为更好地利用大量未标注图像样本信息来提高分类器性能,提出一种半监督学习的图像分类算法———随 机半监督采样(RSSS).该算法采用迭代随机采样方法,每次采样中通过谱聚类估计未标注样本的类别值,使用SVM 进行模型学习,逐步优化模型;同时,使用图像的局部空间直方图特征可以有效地结合图像的统计和空间信息,以提 高分类准确度.实验结果表明,RSSS算法可以充分利用未标注样本信息提高分类器的性能,并且可以有效地消除几 何变换带来的影响  

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38537941

  1. 基于半监督高斯混合模型核的支持向量机分类算法

  2. 提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同传统SVM算法、直推式支持向量机(TSVM)以及随机游走(RW)半监督算法进行分类性能比较,结果证明该算法在拥有较少标示样本训练的情况下分类性能也有所提高且具有较高的鲁棒性.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：807936
    • 提供者：weixin_38697123

  1. 基于K-means和MTLS-SVM算法的生理参数监测系统

  2. 在非医模式的生理参数监测系统中，对监测参数进行学习，可以提高诊断和预测精度。针对多任务时间序列中存在的信息挖掘不充分、预测精度低等问题，将机器学习中的监督和半监督学习方式结合起来对远程健康监护对象进行生理状况预测。该方法用 K-means 算法将相同类别的数据集群，并使用多任务最小二乘支持向量机（MTLS-SVM）来训练历史数据来进行趋势预测。为了评估该方法的有效性，将MTLS-SVM方法与K-means、MTLS-SVM方法比较，实验结果表明该方法具有较高的预测精度。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1031168
    • 提供者：weixin_38697979
« 12 »