京都大学
东京大学
司法系统
2007第50卷第3版第219-232页
(与EndNote、Reference Manager、ProCite、RefWorks兼容)
(与BibDesk、LaTeX兼容)
我们提出了一种新的分类器,称为电网络分类器,用于图的半监督学习。我们的分类器基于非线性网络理论,根据电位符号对数据集进行分类。揭示了C-SVM和图核方法的密切关系。与其他图核方法不同,我们的分类器不需要大量的核计算,而是直接使用高效的网络流算法获得潜力。此外,由于公式的灵活性,我们的分类器可以结合各种边缘特征;边缘方向、非对称相关性等因素的影响。因此,我们的分类器具有处理大型复杂现实问题的潜力。实验结果表明,与扩散核方法和其他标准方法相比,该方法具有较好的性能。
已经有帐户了吗?登录在这里