| 一种基于支持向量机的半监督分类方法 |
| |
| 引用本文： | 徐庆伶,汪西莉. 一种基于支持向量机的半监督分类方法[J]. 计算机技术与发展, 2010, 20(10) |
| |
| 作者姓名： | 徐庆伶 汪西莉 |
| |
| 作者单位： | 陕西师范大学,计算机科学学院,陕西,西安,710062 |
| |
| 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.
|
| 关 键 词： | 半监督学习 支持向量机 遗传算法 |
A Novel Semi-Supervised Classification Method Based on SVM |
| |
| XU Qing-ling,WANG Xi-li. A Novel Semi-Supervised Classification Method Based on SVM[J]. Computer Technology and Development, 2010, 20(10) |
| |
| Authors: | XU Qing-ling WANG Xi-li |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
