%0 Journal Article
%T 基于成对约束半监督学习的数据相关核优化方法
%A 王娜
%A 刘国胜
%A 李霞
%J 模式识别与人工智能
%P 685-691
%D 2011
%X 核函数及其参数的选择决定着核方法的性能。本文基于半监督学习思想，通过构建一个目标函数，利用无标签数据和成对约束信息来优化核函数，使得核函数尽可能适应数据集，从而改善核函数性能。为验证方法的有效性，将其应用于核主成分分析(KPCA)的核函数优化中，在人工数据和UCI数据集上对KPCA提取特征的分类和聚类性能进行评估，实验结果说明提出方法改进了分类和聚类性能。
%K 成对约束
%K 数据相关核
%K 半监督学习
%K 核主成分分析
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9362.shtml