机译:利用未标记数据提高支持向量机的分类性能及其在音频事件分类中的应用
Shandong Normal Univ, Sch Phys & Elect, Shandong Prov Key Lab Med Phys & Image Proc Techn, Jinan 250014, Peoples R China;
Nanchang Hangkong Univ, Sch Informat, Nanchang 330063, Peoples R China;
Shandong Coll Elect Technol, Dept Comp Sci & Technol, Jinan 250014, Peoples R China;
Shandong Normal Univ, Sch Phys & Elect, Shandong Prov Key Lab Med Phys & Image Proc Techn, Jinan 250014, Peoples R China;
Shandong Normal Univ, Sch Informat Sci & Engn, Jinan 250014, Peoples R China;
Shandong Normal Univ, Sch Phys & Elect, Shandong Prov Key Lab Med Phys & Image Proc Techn, Jinan 250014, Peoples R China;
Shandong Normal Univ, Sch Phys & Elect, Shandong Prov Key Lab Med Phys & Image Proc Techn, Jinan 250014, Peoples R China;
Shandong Normal Univ, Sch Phys & Elect, Shandong Prov Key Lab Med Phys & Image Proc Techn, Jinan 250014, Peoples R China;
Semi-supervised learning; Active learning; SVM; Margin band; Audio event classification;
机译:音频检测和分类应用中的一类SVM挑战
机译:音频检测和分类应用中的一类SVM挑战
机译:使用未标记的数据提高分类性能:朴素贝叶斯案例
机译:使用未标记数据来提高分类性能的SOM / MLP混合网络
机译:使用未标记的数据来改善文本分类。
机译:使用随机突变Kennard-Stone算法方法改善光谱分析中用于分类应用的数据拆分
机译:1一类sVm在音频检测和分类应用中面临挑战
机译:使用未标记的数据改进文本分类