论文部分内容阅读
为了在聚类假设的基础上，进一步提高支持向量机的分类精度，文中通过引入线性分段转换函数，将加权无向图上的相似矩阵重新表示，改变该图上的距离度量，使得在同一群集中两点间的距离更小，从而建立基于图的聚类核，与多项式核函数线性组合后，构造出基于图的组合半监督聚类核，并将其用于支持向量机的训练和分类。实验表明，与标准SVM算法相比，该算法分类精度较高，且高于组合前的单个核函数。随着标记样本比例的增加，该算法的分类精度也在增加，有效利用了未标记样本蕴含的信息。