冯新营
- 作品数：3 被引量：3H指数：1
- 供职机构：山东省分布式计算机软件新技术重点实验室更多>>
- 发文基金：国家自然科学基金山东省自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术哲学宗教文化科学更多>>
- 多标记学习分类算法研究
- 冯新营
- 文献传递
- 基于聚类优化的RBF神经网络多标记学习算法被引量：2
- 2012年
- 多标记学习采用RBF神经网络与K-means聚类算法相结合取得了较好的效果,但由于聚类数事先不能很好地确定,无法给出准确的聚类个数值,会导致聚类质量下降、聚类结果不稳定等,进而影响RBF神经网络多标记算法的稳定性及分类性能。本文从样本几何结构的角度出发,采用一种聚类有效性指标函数,为每个类寻找最优的聚类个数,从而优化问题的求解。理论研究和实验结果表明,改进后的算法在分类的稳定性及分类性能方面都有较好的表现。
- 冯新营计华张化祥
- 关键词：多标记学习RBF神经网络K-MEANS聚类
- 一种新的基于半监督的多标记学习算法
- 2013年
- 多标记学习中通常存在大量未标记示例,本研究结合协同训练(Co-training)方法充分利用数据集中的未标记示例,在数据集上选取局部k-NN(k nearest neighbor)和全局k-NN进行训练得到两个分类器,分类器分别标记未标记示例并相互更新训练集。协同训练过程不断迭代进行,直至训练完成。试验结果表明,该方法性能均优于其他多标记学习算法。
- 李雅林张化祥冯新营
- 关键词：半监督学习多标记学习
