丁立朵
- 作品数：3 被引量：0H指数：0
- 供职机构：广西大学计算机与电子信息学院更多>>
- 发文基金：教育部人文社会科学研究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>>
- 半定规划核在垃圾标签检测中的应用研究
- 垃圾标签检测是一个二分类问题，可以使用二分类的SVM支持向量机来实现。传统SVM在处理垃圾标签检测上存在以下问题：垃圾标签的训练集规模非常庞大，而且它的数据有高维性、特征复杂等特点，使用传统的SVM直接对垃圾标签数据集进...
- 丁立朵
- 关键词：K-MEANS聚类算法FOLKSONOMY核函数
- 用子空间粒子群聚类算法识别Folksonomy标签冗余的研究
- 2012年
- Web2.0标签系统中经常包含很多冗余的标签,标签冗余会增加用户选择喜好项目时的负担,从而影响用户建模和对推荐系统的评估。标签数据集通常存在着大量不相关或是冗余的特征,而不同簇之间的相关特征子集又是不一样的,所以应该从不同的特征子集中来发现簇。提出使用子空间粒子群聚类识别标签冗余,算法采用指数型变权类似K-means的目标函数,该函数对变量权值的改变更加敏感。在此基础上利用粒子群优化目标函数搜寻得到全局最优的标签聚类,提高抽取冗余标签的准确度。实验结果表明,此算法具有较强的全局搜索能力,应用于标签冗余识别获得了更好的精度。
- 王晓帅覃华丁立朵马翩翩
- 用核K-means聚类和半定规划SVM实现垃圾标签检测
- 2013年
- 提出使用核K-means聚类算法从样本集中抽取特征向量集来训练SVM,达到减少SVM规模的目的。SVM核函数的选择会影响SVM模型的分类效果,提出将多个非线性映射能力不同的核函数进行线性组合,在特征训练集上构造出组合SVM的半定规划模型,用内点法求解出最优组合系数,得到非线性映射能力更强的半定规划SVM,并用做垃圾标签检测。在UCI数据集上与双层减样支持向量机方法进行比较,实验结果表明,新的垃圾标签检测法提高了识别率,并大幅度减少了训练时间。
- 覃华丁立朵符丽锦覃希
- 关键词：半定规划
