|
|||||
|
|
| 自训练多项式光滑的半监督支持向量机 | |
| 引用本文： | 刘叶青,刘三阳,谷明涛.自训练多项式光滑的半监督支持向量机[J].系统仿真学报,2009,21(18). |
| 作者姓名： | 刘叶青 刘三阳 谷明涛 |
| 作者单位： | 1. 西安电子科技大学数学科学系,西安710071;河南科技大学理学院,洛阳471003 2. 西安电子科技大学数学科学系,西安,710071 3. 解放军96251部队,洛阳,471003 |
| 摘 要： | 为了处理自训练半监督支持向量机算法中每次循环都需要求解二次规划因此效率低的问题,采用直接求解支持向量机的原始优化问题,由此得到一个不光滑的无约束优化问题.将正号函数展开为无穷多项式级数,由此得到了一族光滑函数,用多项式光滑函数对无约束优化问题进行逼近,并用共轭梯度算法求解模型.在人工数据和UCI数据集上的实验结果显示,给出的算法效率高,能保证标记样本很少时的分类精度并且不因标记样本的增多而明显提高分类精度. |
| 关 键 词： | 半监督学习 支持向量机 光滑 分类 |
Self-training Polynomial Smooth Semi-supervised Support Vector Machines |
|
| Abstract: | |
| Keywords: | semi-supervised learning support vector machine (SVM) smoothing classification |
| 本文献已被 万方数据 等数据库收录！ | |