吴振宇
个人信息Personal Information
教授
硕士生导师
主要任职:创新创业学院副院长
性别:男
毕业院校:大连理工大学
学位:博士
所在单位:创新创业学院
学科:控制理论与控制工程. 通信与信息系统. 检测技术与自动化装置
办公地点:创新创业学院,学生创新实践中心 407
联系方式:0411-84708792
电子邮箱:zhenyuwu@dlut.edu.cn
扫描关注
基于Tucker分解的半监督支持张量机
点击次数:
论文类型:期刊论文
发表时间:2019-09-15
发表刊物:计算机科学
收录刊物:PKU
卷号:46
期号:9
页面范围:195-200
ISSN号:1002-137X
关键字:Tucker分解;支持张量机;半监督学习
摘要:传统的机器学习方法所使用的数据大多是基于向量空间的.支持向量机(Support Vector Machine,SVM)作为一种重要的机器学习方法,在解决小样本、非线性、高维数据等问题时具有较好的性能.但在实际应用中,图像和视频等数据都是用张量形式表示的,如果将这些张量数据直接转换成向量数据,往往会丢失一些原有的结构和相关性信息,有可能造成维度灾难和小样本问题.为了设法保持尽量多的张量结构信息,提出了一种采用Tucker分解的支持张量机(Support Tensor Machine,STM)算法.实验表明,该方法可以明显提高分类器性能;同时,支持张量机作为监督学习方式,存在无法利用未标记数据的缺点,往往受限于训练数据不足的情况.因此,将半监督学习方法与支持张量机相结合,进而提出了基于Tucker分解的半监督支持张量机算法(Semi-Supervised STM,S3TM).该算法既可以保持较多的张量结构信息,又能充分利用未标记数据.实验表明,采用该算法的预测准确率达到90.26%,从而验证了所提算法的有效性.