骆学荣
- 作品数：3 被引量：4H指数：1
- 供职机构：河北大学更多>>
- 发文基金：河北省科技支撑计划项目河北省教育厅科研基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于半监督学习的SVM-KNN被引量：3
- 2009年
- 提出一种新的基于半监督的SVM-KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM.KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练样本的标记质量,可不断修复SVM的分类边界.实验结果表明,所提出的方法能提高SVM算法的分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价.
- 李昆仑骆学荣孟晓倩
- 关键词：半监督学习支持向量机K-近邻边界向量迭代
- 基于半监督的SVM-KNN及其在入侵检测中的应用
- 入侵检测作为网络安全领域一项重要的安全防护技术,不仅能够发现外部攻击,而且也能检测内部用户的未授权活动,在网络安全领域发挥着重要的作用。随着计算机和数据存储技术的发展,网络中传输的数据量数以亿计,这对入侵检测技术处理海量...
- 骆学荣
- 关键词：半监督学习支持向量机K近邻算法边界向量入侵检测
- 文献传递
- 基于半监督学习的SVM-KNN
- 当前机器学习面临的主要问题之一，是如何解决含有大量未标记样本的分类问题.本文针对性的提出了一种新的基于半监督的SVM-KNN分类方法，当可用的训练样本较少时，使用SVM进行分类，不能得到准确的分类边界，但可以从大量未标记...
- 李昆仑骆学荣孟晓倩
- 关键词：半监督学习支持向量机K-近邻边界向量迭代
