一种新的半监督直推式支持向量机分类算法

• 作者: 史成龙 李云路 王安娜 赵锋云
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 支持向量机 半监督学习 标签样本
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1546-1550
• 分类号: TP181
• 字数: 4384字
• 语种: 中文

摘要

传统的支持向量机( SVM)是一种有监督学习方法,需要大量有标记样本,然而有标记样本的数量十分有限且获得困难.因此,当存在海量的无标记样本时,如何有效地利用这些数据成为了机器学习面临的重要任务.研究提出了一种新的半监督直推式支持向量机分类算法,将半监督算法与支持向量机结合,在迭代算法中将无标签样本与有标签样本结合,逐渐得到更可信的分类超平面.理论分析和计算机仿真结果都表明,研究提出的样本能够有效地利用大量的无标签样本,并且无标签样本的加入能够有效地提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王安娜	东北大学信息科学与工程学院	36	376	12.0	18.0
2	李云路	东北大学信息科学与工程学院	11	66	4.0	8.0
3	赵锋云	东北大学信息科学与工程学院	1	26	1.0	1.0
4	史成龙	东北大学信息科学与工程学院	2	26	1.0	2.0