最小二乘支持向量机的半监督学习算法

• 作者: 张健沛 杨静 赵莹
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 半监督学习 支持向量机 统计学习理论 最小二乘法
• 年，卷（期）: 2008,（10）
• 页码范围: 1088-1092
• 页数: 5页
• 分类号: TP301.5
• 字数: 4342字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2008.10.012

摘要

将最小二乘支持向量机引入到半监督学习中,提出了一种最小二乘支持向量机的半监督学习算法.采用最小二乘支持向最机训练混合样本集,利用最小二乘支持向量机训练速度快、效率高等优点有效地克服了目前一些半监督支持向量机学习算法时间代价大、效率低的缺陷.在训练过程中采用区域标注法,减少达到收敛所需要的迭代次数,并给出了SLS-SVM算法具体的数学描述.在人造数据集及实际数据集上的实验表明,最小二乘支持向量机的半监督学习算法可以有效的减少训练时问,提高训练的速度,从而具有更好的推广能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	赵莹	哈尔滨工程大学计算机科学与技术学院	22	194	7.0	13.0