基于Help-Training的半监督支持向量回归
提出一种基于Help-Training的半监督支持向量回归算法,包含最小二乘支持向量回归（LS-SVR）和近邻（NN）两种类型学习器.主学习器LS-SVR通过选择高置信度的未标记样本加以标记,并将其添加到已标记样本集,使训练样本的规模不断扩大,以提高LS-SVR的函数逼近性能.辅学习器NN用以协助LS-SVR从训练样本比较密集的区域选取未标记样本加以置信度评估,可以减弱噪声对学习效果的负面影响.实验结果表明所提算法具有良好的回归估计性能,学习精度较高.
半监督学习、助训练、支持向量回归、近邻、置信度
27
TP18(自动化基础理论)
国家自然科学基金项目60804022;60974050;61072094;教育部新世纪优秀人才支持计划项目NCET-08-0836;教育部博士点基金项目20110095110016;霍英东NCET-10-0765青年教师基金项目121066
2012-04-28（万方平台首次上网日期，不代表论文的发表时间）
205-210,226
