基于非线性Logistic模型的改进UDEED算法
来源：计算机工程杂志2019年第7期北京时间：
作者：庄立纯, 张正军, 张乃今, 李君娣
单位：南京理工大学 理学院, 南京 210094
摘要：针对UDEED算法中线性Logistic模型分类预测准确率较低的问题，基于泰勒展开式，提出一种多项式核的非线性Logistic模型改进算法。研究非线性Logistic模型的核函数参数估计方法，更新损失函数的计算规则，并利用梯度下降法求解改进UDEED模型，实现数据集的分类预测。实验结果表明，与UDEED算法相比，改进算法提高了分类预测的准确率。
关键词：UDEED算法,非线性Logistic模型,半监督学习,无标签数据,梯度下降
基金资助：国家自然科学基金（61773014）。
