模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2016, Vol. 29 Issue (7): 633-640    DOI: 10.16451/j.cnki.issn1003-6059.201607007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
最小二乘半监督支持张量机学习算法*
陆成韬,李凡长,张莉,张召
苏州大学 计算机科学与技术学院 苏州 215006
Least Squares Semi-supervised Support Tensor Machine
LU Chengtao, LI Fanzhang, ZHANG Li, ZHANG Zhao
School of Computer Science and Technology, Soochow University, Suzhou 215006

全文: PDF (466 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 支持张量机(STM)受限于迭代操作,训练时间较长.针对这一缺点,改进STM的目标规划,将训练过程由解决一组二次规划改为计算线性方程组,并引入直推式的思想解决半监督问题,提出最小二乘半监督支持张量机学习算法.在人脸识别和时间序列分类上对比文中算法与传统算法,实验证明文中算法不仅减少运算时间,而且提高识别率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
陆成韬
李凡长
张 莉
张召
关键词 半监督学习支持张量机(STM) 最小二乘支持张量机    
Abstract:Support tensor machine has a high computational complexity due to the iterative procedure. To overcome the shortcoming, the optimization is modified , the model is trained by solving a set of linear equations instead of solving a quadratic program problem. Additionally, transductive method is used to solve the semi-supervised problem, least squares semi-supervised support tensor machine is proposed. Some experiments on face recognition and time series classification are conducted to compare the proposed algorithm with the traditional algorithms. The results show that the proposed algorithm reduces the computation time and improves the recognition rate.
Key wordsSemi-supervised Learning    Support Tensor Machine(STM)    Least Squares Support Tensor Machine   
收稿日期: 2016-03-02     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61402310,61373093,61033013)、中国博士后基金项目(No.2015M580462)、江苏省自然科学基金项目(No.BK2012624,BK2011284)、江苏省高校自然科学研究项目(No.15KJA520002,13KJA520001)、江苏省博士后科研基金项目(No.1501091B)资助
作者简介: 陆成韬(通讯作者),男,1992年生,硕士研究生,主要研究方向为机器学习、模式识别.E-mail:20144227049@stu.suda.edu.cn.李凡长,男,1964年生,硕士,教授,主要研究方向为李群机器学习、数据挖掘、动态模糊逻辑.E-mail:lfzh@suda.edu.cn.张 莉,女,1975年生,博士,教授,主要研究方向为模式识别、机器学习、数据挖掘.E-mail:zhangliml@suda.edu.cn.张 召,男,1984年生,博士,副教授,主要研究方向为模式识别、机器学习、数据挖掘、计算机视觉.E-mail:cszzhang@suda.edu.cn.
引用本文:   
陆成韬,李凡长,张 莉,张召. 最小二乘半监督支持张量机学习算法*[J]. 模式识别与人工智能, 2016, 29(7): 633-640. LU Chengtao, LI Fanzhang, ZHANG Li, ZHANG Zhao. Least Squares Semi-supervised Support Tensor Machine. , 2016, 29(7): 633-640.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201607007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2016/V29/I7/633
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn