本文選題：高斯核函數(shù)　切入點(diǎn)：聚類分析　出處：《計算機(jī)應(yīng)用研究》2017年12期

【摘要】：針對主動學(xué)習(xí)中構(gòu)造初始分類器難以選取代表性樣本的問題,提出一種模糊核聚類采樣算法。該算法首先通過聚類分析技術(shù)將樣本集劃分,然后分別在類簇中心和類簇邊界區(qū)域選取樣本進(jìn)行標(biāo)注,最后依此構(gòu)造初始分類器。在該算法中,通過高斯核函數(shù)將原始樣本空間中的點(diǎn)非線性變換到高維特征空間,以達(dá)到線性可聚的目的,并引入了一種基于局部密度的初始聚類中心選擇方法,從而改善聚類效果。為了提高采樣質(zhì)量,結(jié)合劃分后各類簇的樣本個數(shù)設(shè)計了一種采樣比例分配策略;同時,在采樣結(jié)束階段設(shè)計了一種后補(bǔ)采樣策略,以確保采樣個數(shù)達(dá)標(biāo)。實驗結(jié)果分析表明,所提算法可以有效地減少構(gòu)造初始分類器所需的人工標(biāo)注負(fù)擔(dān),并取得了較高的分類正確率。
[Abstract]:In order to solve the problem that it is difficult to select representative samples by constructing initial classifiers in active learning, a fuzzy kernel clustering sampling algorithm is proposed. Then the samples are selected from the cluster center and the cluster boundary area to annotate, and then the initial classifier is constructed. In this algorithm, the point nonlinearity in the original sample space is transformed into the high dimensional feature space by Gao Si kernel function. In order to achieve linear convergence, an initial clustering center selection method based on local density is introduced to improve the clustering effect. A sampling proportional allocation strategy is designed in combination with the sample number of each cluster, and a supplementary sampling strategy is designed at the end of the sampling stage to ensure that the sampling number is up to the standard. The experimental results show that, The proposed algorithm can effectively reduce the manual labeling burden needed to construct the initial classifier and obtain a higher classification accuracy.
【作者單位】： 大連海事大學(xué)交通運(yùn)輸管理學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(71271034) 遼寧省自然科學(xué)基金資助項目(2014025015) 青年骨干教師基金資助項目(3132016045)
【分類號】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 章立亮,周瓊;光柵圖形反走樣的加權(quán)區(qū)域采樣算法[J];寧德師專學(xué)報(自然科學(xué)版);2002年01期

2 曹鵬;李博;栗偉;趙大哲;;基于概率分布估計的混合采樣算法[J];控制與決策;2014年05期

3 余純;張?zhí)珮s;;基于硬件實現(xiàn)的粒子濾波重采樣算法研究[J];自動化技術(shù)與應(yīng)用;2013年02期

4 張秀麗,李萍,陸光華;高精度軟件同步采樣算法[J];電力系統(tǒng)及其自動化學(xué)報;2005年04期

5 趙豐;湯磊;張武;趙宗貴;;一種高實時性粒子濾波重采樣算法[J];系統(tǒng)仿真學(xué)報;2009年18期

6 馮馳;趙娜;王萌;;一種改進(jìn)殘差重采樣算法的研究[J];哈爾濱工程大學(xué)學(xué)報;2010年01期

7 李蘊(yùn)奇;李小明;何杰;鐘鳴;;關(guān)于吉布斯采樣算法識別MOTIF的研究[J];才智;2010年31期

8 郭建林;李愛玲;;一種大尺度Gauss模糊的快速采樣算法[J];中國科學(xué):信息科學(xué);2011年10期

9 黃�；�;劉冉;張華;張昭;;基于不同重采樣算法的RFID指紋定位[J];計算機(jī)應(yīng)用;2013年02期

10 馮馳;王萌;汲清波;;粒子濾波器重采樣算法的分析與比較[J];系統(tǒng)仿真學(xué)報;2009年04期

相關(guān)碩士學(xué)位論文 前6條

1 王柯翔;基于LWE問題的采樣算法及應(yīng)用研究[D];北京交通大學(xué);2017年

2 趙瑩;支持向量機(jī)中高斯核函數(shù)的研究[D];華東師范大學(xué);2007年

3 鄧俊;濾波重要性采樣算法的研究與實現(xiàn)[D];天津大學(xué);2007年

4 王朝;基于ARMS的并行采樣算法的設(shè)計與實現(xiàn)[D];天津大學(xué);2008年

5 崔承勛;基于GH-distance的自適應(yīng)性采樣算法[D];天津大學(xué);2009年

6 周宇飛;基于偶對約束的半監(jiān)督模糊聚類算法研究[D];河北大學(xué);2014年

，

本文編號：1663580