基于Tri-training的半监督SVM

• 作者: 代运娜 张伟 李昆仑
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 半监督学习 协同训练 Tri-training 支持向量机 最小二乘支持向量机
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 103-106
• 页数: 4页
• 分类号: TP181
• 字数: 4690字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.22.034

摘要

当前机器学习面临的主要问题之一是如何有效地处理海量数据,而标记训练数据是十分有限且不易获得的.提出了一种新的半监督SVM算法,该算法在对SVM训练中,只要求少量的标记数据,并能利用大量的未标记数据对分类器反复的修正.在实验中发现,Tri-training的应用确实能够提高SVM算法的分类精度,并且通过增大分类器问的差异性能够获得更好的分类效果,所以Tri-raining对分类器的要求十分宽松,通过SVM的不同核函数来体现分类器之间的差异性,进一步改善了协同训练的性能.理论分析与实验表明,该算法具有较好的学习效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟	河北大学电子信息工程学院	128	445	12.0	16.0
2	李昆仑	河北大学电子信息工程学院	32	624	13.0	24.0
3	代运娜	河北大学电子信息工程学院	1	25	1.0	1.0