文章标题

11/11 当天，一直在测试在更新时的阈值数，也就是

if (labelcount >= l_thread && sum(F(fi, fj) >= label_thread) >= 1)

这个的阈值label_thread。
发现阈值越小 更新数就越多，然而更新的太多，但是程序效果就很差。所以在数据集TDT2上阈值设置为0.7-0.9 就会变好，但是还是没其他算法效果好，所以总体效果还是不行。
为了转化思路，查看其他类似程序，突然发现一种算法写的很我们的算法流程很相似，我打算今天来实践一下。
先整理一下程序思路：

的之前的思路是输入W之后更新所有数据，利用之前的F矩阵和当前F矩阵之间的差别来判断程序是否收敛，中间还加入了一些CLASS MASS Normalization. 结果都是没其他对比程序效果好。