基于支持向量机协同训练的半监督回归

被引:13
作者
马蕾
汪西莉
机构
[1] 陕西师范大学计算机科学学院
关键词
半监督学习; 支持向量机; 协同训练; 自训练;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
摘要
将支持向量机与半监督学习理论相结合,提出基于支持向量机协同训练的半监督回归模型,使用两个支持向量机回归模型相互影响,协同训练。利用实验数据集进行实验,并与监督支持向量机回归模型、半监督自训练支持向量机回归模型作比较。实验结果表明,基于支持向量机协同训练的半监督回归模型在缺少标记样本的情况下,提高了回归估计的精度。
引用
收藏
页码:177 / 180
页数:4
相关论文
共 6 条
[1]   基于PSO优化的SVM预测应用研究 [J].
任洪娥 ;
霍满冬 .
计算机应用研究, 2009, 26 (03) :867-869
[2]   流形上的Laplacian半监督回归 [J].
杨剑 ;
王珏 ;
钟宁 .
计算机研究与发展, 2007, (07) :1121-1127
[3]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[4]  
Ensembling neural networks: Many could be better than all.[J].Zhi-Hua Zhou;Jianxin Wu;Wei Tang.Artificial Intelligence.2002, 1
[5]  
机器学习及其应用.[M].王珏;周志华;周傲英主编;.清华大学出版社.2006,
[6]  
模式识别.[M].边肇祺等编著;.清华大学出版社.2000,