文献类型：期刊文章

作　　者：薛贞霞[1,2] 刘三阳[1] 刘万里[1,3]

机构地区：[1]西安电子科技大学应用数学系,西安710071 [2]河南科技大学数学系,洛阳471003 [3]洛阳师范学院数学系,洛阳471022

出　　处：《系统工程理论与实践》

基　　金：国家自然科学基金(60674108,60705004);河南省科技厅科技计划项目(0821002210091)

年　　份：2009

卷　　号：29

期　　号：5

起止页码：142-148

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI、IC、JST、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：针对半监督学习中渐进直推支持向量机(Progressive Transductive Support Vector Machines, PTSVM)算法存在训练速度慢,回溯式学习多,学习性能不稳定的问题,提出一种改进的渐进直推支持向量机算法—IPTSVM.该算法利用支持向量的信息选择新标注的无标签的样本点,结合增量支持向量机的迭代更新算法,继承渐进直推支持向量机渐进赋值和动态调整的规则,与PTSVM相比,不仅在一般情况下提高了分类的精度,而且大大提高了算法的速度.在人工模拟数据和真实数据上的实验结果表明了该算法的有效性.

关 键 词：半监督学习 支持向量机 直推式学习 增量学习  

分 类 号：TP181]