期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于半监督学习的朴素贝叶斯分类新算法
被引量：
15
1
作者
董立岩
隋鹏
+1 位作者
孙鹏
李永丽
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016年第3期884-889,共6页
为了在有标签的训练集中保留高质量的样本,首先利用无标签训练集得出置信度高的k个样本,再结合有标签训练样本,不断迭代直至训练完成。实验结果表明:随着无标记样本比例的不断增加,本文算法预测准确性明显高于朴素贝叶斯分类算法,而且...
为了在有标签的训练集中保留高质量的样本,首先利用无标签训练集得出置信度高的k个样本,再结合有标签训练样本,不断迭代直至训练完成。实验结果表明:随着无标记样本比例的不断增加,本文算法预测准确性明显高于朴素贝叶斯分类算法,而且其性能比传统半监督学习方法有所改善。
展开更多
关键词
计算机应用
半监督学习
朴素贝叶斯
无类标签分类
下载PDF
职称材料
题名
基于半监督学习的朴素贝叶斯分类新算法
被引量：
15
1
作者
董立岩
隋鹏
孙鹏
李永丽
机构
吉林大学计算机科学与技术学院
东北师范大学计算机科学与信息技术学院
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016年第3期884-889,共6页
基金
国家自然科学基金项目(61272209)
文摘
为了在有标签的训练集中保留高质量的样本,首先利用无标签训练集得出置信度高的k个样本,再结合有标签训练样本,不断迭代直至训练完成。实验结果表明:随着无标记样本比例的不断增加,本文算法预测准确性明显高于朴素贝叶斯分类算法,而且其性能比传统半监督学习方法有所改善。
关键词
计算机应用
半监督学习
朴素贝叶斯
无类标签分类
Keywords
computer
application
semi
-
supervised
study
Naive
Bayes
unknown
label
classification
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于半监督学习的朴素贝叶斯分类新算法
董立岩
隋鹏
孙鹏
李永丽
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016
15
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
