基于SVDD的渐进直推式支持向量机学习算法

被引：19

作者：

薛贞霞 ^{[1
,2
]}

刘三阳 ^{[1
]}

刘万里 ^{[1
,3
]}

机构：

[1] 西安电子科技大学应用数学系

[2] 河南科技大学数学系

[3] 洛阳师范学院数学系

来源：

模式识别与人工智能 | 2008年 / 21卷 / 06期

关键词：

半监督学习; 支持向量机; 直推式学习; 支持向量域描述(SVDD);

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对半监督学习中渐进直推支持向量机(PTSVM)算法每次标注的样本数太少、训练速度慢、回溯式学习多、学习性能不稳定的问题,提出一种快速的渐进直推支持向量机学习算法.该算法利用支持向量的信息,基于支持向量域描述(SVDD)选择新标注、无标签的样本点,以区域标注法代替 PTSVM 的成对标注法,不仅继承了其渐进赋值和动态调整的规则,而且在保持甚至提高算法精度的同时,大大提高算法速度.在人工模拟数据和真实数据上的实验结果表明该算法的有效性.

引用

页码：721 / 727

页数：7

共 4 条

[1]

Learning with progressive transductive support vector machine [J].