基于Tri-training的半监督SVM

摘要：

当前机器学习面临的主要问题之一是如何有效地处理海量数据,而标记训练数据是十分有限且不易获得的.提出了一种新的半监督SVM算法,该算法在对SVM训练中,只要求少量的标记数据,并能利用大量的未标记数据对分类器反复的修正.在实验中发现,Tri-training的应用确实能够提高SVM算法的分类精度,并且通过增大分类器问的差异性能够获得更好的分类效果,所以Tri-raining对分类器的要求十分宽松,通过SVM的不同核函数来体现分类器之间的差异性,进一步改善了协同训练的性能.理论分析与实验表明,该算法具有较好的学习效果.

关键词：半监督学习、协同训练、Tri-training、支持向量机、最小二乘支持向量机

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Cram 60773062;河北省自然科学基金项目the Natu-ral Science Foundation of Hebei Province of China under Grant F2009000215;河北省科技支撑计划项目the Science and Tech-nology Supporting Program of Hebei Province under Grant 072135188;河北省教育厅科研计划项目the Scientific Research Project of Department of Hebei Education of China under Grant 2008312

在线出版日期：2009-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：103-106