基于可信度的渐进直推式支持向量机算法.PDFVIP

第 47 卷 　第 6 期 ( ) Vol . 47 　No . 6 厦门大学学报 自然科学版 　2008 年 11 月 J our nal of Xiamen U niver sit y (N at ural Science) Nov . 2008 　 基于可信度的渐进直推式支持向量机算法 薛贞霞1 ,2 ,刘三阳1 ,刘万里1 ,3 ( 1. 西安电子科技大学应用数学系 ,陕西 西安 7 1007 1 ;2 . 河南科技大学数学系 ,河南 洛阳47 1003 ; 3 . 洛阳师范学院数学系 ,河南 洛阳47 1022) ( ) 摘要 : 针对渐进直推式支持向量机 Pro gressive t ran sductive support vector machines , P TSVM 算法回溯式学习多 ,训 练速度慢 ,学习性能不稳定的问题 ,提出一种基于可信度的渐进直推式支持向量机算法. 该算法首先基于支持向量域描 ( ) 述 Support vector domain descrip tion ,SVDD 对无标签样本点赋予一定的可信度 ,根据可信度选择新标注的无标签的样 ( 本点;其次利用支持向量预选取方法减少训练集的规模 ,对当前所有有标签的样本点用支持向量机 Support vector ma chines ,SVM) 训练 ,最后重复上述过程从而求出最终的分类超平面. 实验结果表明 ,与 P T SV M 相比 ,该算法不仅能较大 幅度的提高算法的速度 ,更重要的是在一般情况下能提高算法的精度. 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 TP 181 　　　　　 A 　　　　　 (2008) 中图分类号 : 文献标识码 : 文章编号 : 　　机器学习研究经典的解决分类问题的方法是采用 该方法实际上是一种中心距离比值法 ,在不影响分类 归纳演绎式的两步骤途径 ,即先只利用训练集中有标 能力的情况下 ,能大大减少训练样本 ,提高训练速度. 签数据去分析并找出适当的一般性规律 ,并认为所得 到的一般规律对未观察的可能出现的数据也都成立 , 1 　TSVM 的原理和实现 ( ) 再对无标签数据 或待测试的数据 应用前一步所找出 直推式学习中 ,训练集中只有少数的有标签样本 , 的一般规律去得出有关无标签数据的标识的推断 ,其 而无标签样本是相对大量的 ,直推式学习在模式识别 实是从特殊到一般再到特殊的推理方法. 近来 ,V ap 的各 个 领 域 中都 已有 了不 同程 度 的研 究 和 应 nik 提出了一种新 的推理方法 ———直推式学习[ 1 ] 方 用[ 5