排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
半监督学习中的Tri-Training算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习;考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tri-Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性. 相似文献
2.
桥梁的结构变形包含的桥梁结构内涵信息丰富,具有非线性、时序性和样本容量小的特点.利用支持向量机,以杭州湾大桥实测变形数据为研究对象,提出了基于LS-SVM的桥梁结构变形预测模型,通过实验证明了运用其对桥梁结构健康状况进行评估的可行性和有效性,并且通过实验结果对比显示了最小二乘支持向量机在变形预测中的优势. 相似文献
1