一种基于支持向量机的半监督分类方法

• 作者: 徐庆伶 汪西莉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 半监督学习 支持向量机 遗传算法
• 年，卷（期）: 2010,（10）
• 页码范围: 115-117,121
• 分类号: TP181
• 字数: 3583字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.10.029

摘要

如何有效利用海量的数据是当前机器学习面临的一个重要任务,传统的支持向量机是一种有监督的学习方法,需要大量有标记的样本进行训练,然而有标记样本的数量是十分有限的并且非常不易获取.结合Co-training算法与Tri-training算法的思想,给出了一种半监督SVM分类方法.该方法采用两个不同参数的SVM分类器对无标记样本进行标记,选取置信度高的样本加入到已标记样本集中.理论分析和计算机仿真结果都表明,文中算法能有效利用大量的无标记样本,并且无标记样本的加入能有效提高分类的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪西莉	陕西师范大学计算机科学学院	83	804	16.0	23.0
2	徐庆伶	陕西师范大学计算机科学学院	1	18	1.0	1.0