基于可信度的渐进直推式支持向量机算法

• 作者: 刘万里 刘三阳 薛贞霞
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 半监督学习 支持向量机 直推式学习 支持向量域描述
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 806-811
• 页数: 6页
• 分类号: TP181
• 字数: 6703字
• 语种: 中文
• DOI: 10.3321/j.issn:0438-0479.2008.06.009

摘要

针对渐进直推式支持向量机(Progressive transductive support vector machines,PTSVM)算法回溯式学习多,训练速度慢,学习性能不稳定的问题,提出一种基于可信度的渐进直推式支持向量机算法.该算法首先基于支持向量域描述(Support vector domain description,SVDD)对无标签样本点赋予一定的可信度,根据可信度选择新标注的无标签的样本点;其次利用支持向量预选取方法减少训练集的规模,对当前所有有标签的样本点用支持向量机(Support vector machines,SVM)训练,最后重复上述过程从而求出最终的分类超平面.实验结果表明,与PTSVM相比,该算法不仅能较大幅度的提高算法的速度,更重要的是在一般情况下能提高算法的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学应用数学系	662	5562	32.0	51.0
2	刘万里	西安电子科技大学应用数学系	29	361	10.0	18.0
4	薛贞霞	西安电子科技大学应用数学系	18	89	5.0	8.0