Rezumat articol ediţie STUDIA UNIVERSITATIS BABEŞ-BOLYAI

În partea de jos este prezentat rezumatul articolului selectat. Pentru revenire la cuprinsul ediţiei din care face parte acest articol, se accesează linkul din titlu. Pentru vizualizarea tuturor articolelor din arhivă la care este autor/coautor unul din autorii de mai jos, se accesează linkul din numele autorului.

 
       
         
    STUDIA INFORMATICA - Ediţia nr.Sp.Issue 1 din 2009  
         
  Articol:   SEMI-SUPERVISED FEATURE SELECTION WITH SVMS.

Autori:  ZALÁN BODÓ, ZSOLT MINIER. 		 
       
         
  Rezumat:   Feature selection plays and important role in machine learning: eliminates irrelevant dimensions thus turning the learner into a better, more efficient system. In this paper we use non-linear semi-supervised SVMs for feature selection and through experiments we demonstrate the efficiency of the methods, showing how unlabeled data can lead to a better reduction. Semi-supervised feature selection is achieved by using semi-supervised/cluster kernels, that is embedding the information provided by the unlabeled data into the kernel, andapplying dimensionality reduction methods developed for non-linear SVMs.

Key words and phrases. semi-supervised learning, feature selection, kernel methods. 		 
         
     
         
         
      Revenire la pagina precedentă