已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Semi-supervised regression based on support vector machine co-training

支持向量机 共同训练 回归 机器学习 计算机科学 人工智能 培训(气象学) 回归分析 监督学习 训练集 半监督学习 模式识别(心理学) 结构化支持向量机 数学 统计 人工神经网络 物理 气象学
作者
Wang Xi-l
出处
期刊:Computer Engineering and Applications [Faculty of Computer Science, Sriwijaya University]
被引量:12
摘要

This paper combines Support Vector Machine(SVM) with semi-supervised theory,brings out a semi-supervised regression model based on SVM co-training,using two support vector regressors co-training.Using experimental datasets to compare with supervised SVM model and semi-supervised self-training model,the experimental results show that semi-supervised regression model based on SVM co-training can improve regression estimates when lack of labeled samples.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
李健的小迷弟应助琉玥采纳,获得10
1秒前
英姑应助Blessing33采纳,获得10
1秒前
星辰大海应助zjspidany采纳,获得30
2秒前
赘婿应助绿小豆采纳,获得10
3秒前
4秒前
hujushan完成签到,获得积分10
5秒前
Blessing33完成签到,获得积分10
8秒前
9秒前
yuaner发布了新的文献求助10
12秒前
三山三完成签到,获得积分10
14秒前
liuqi67完成签到,获得积分10
14秒前
无花果应助yuaner采纳,获得10
15秒前
15秒前
zjspidany发布了新的文献求助30
15秒前
15秒前
17秒前
绿小豆发布了新的文献求助10
19秒前
优美巧曼发布了新的文献求助10
19秒前
Amarantine发布了新的文献求助10
20秒前
西贝发布了新的文献求助10
20秒前
22秒前
孙文杰完成签到 ,获得积分10
24秒前
Alex发布了新的文献求助10
27秒前
30秒前
李健的小迷弟应助西贝采纳,获得10
31秒前
Soon完成签到,获得积分10
31秒前
joanna完成签到,获得积分10
34秒前
Amarantine完成签到,获得积分10
36秒前
852应助干净以珊采纳,获得10
37秒前
jyy应助科研通管家采纳,获得10
38秒前
爆米花应助eternal_dreams采纳,获得10
53秒前
简让完成签到,获得积分10
55秒前
Murphy完成签到 ,获得积分10
55秒前
慕青应助优美巧曼采纳,获得10
57秒前
祠梦发布了新的文献求助30
59秒前
科研通AI5应助今我来思采纳,获得10
1分钟前
Alex完成签到,获得积分20
1分钟前
1分钟前
1分钟前
琉玥完成签到,获得积分10
1分钟前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Kelsen’s Legacy: Legal Normativity, International Law and Democracy 1000
Interest Rate Modeling. Volume 3: Products and Risk Management 600
Interest Rate Modeling. Volume 2: Term Structure Models 600
Dynamika przenośników łańcuchowych 600
The King's Magnates: A Study of the Highest Officials of the Neo-Assyrian Empire 500
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3538906
求助须知:如何正确求助?哪些是违规求助? 3116600
关于积分的说明 9326031
捐赠科研通 2814556
什么是DOI,文献DOI怎么找? 1546891
邀请新用户注册赠送积分活动 720659
科研通“疑难数据库(出版商)”最低求助积分说明 712145