基于组合半监督的增量支持向量机学习算法

摘要：

增量支持向量机(ISVM)由于在每次增量学习过程中无法选择最有效的增量样本,导致模型的泛化性能较差.针对此问题,文中提出基于组合半监督方式的增量支持向量机学习算法(ICS3 VM).通过将大量的无标记样本分批进行组合标记以选择最优的增量样本,即每次选择位于分类间隔内部的最有价值样本加入训练集,以此修正模型.同时选择分类间隔最大的一组标记作为最终标记,确保标记的准确性.在标准数据集上的实验表明,ICS3 VM能以较高的学习效率提高模型的泛化性能.

关键词：支持向量机、组合半监督学习、增量支持向量机(ISVM)

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61503229,61273291;山西省自然科学基金项目2015021096;山西省回国留学人员科研项目2012-008;山西省高等学校科技创新项目2015110;National Natural Science Foundation of China61503229,61273291;Natural Science Foundation of Shanxi Province2015021096;Research Project Supported by Shanxi Scholarship Council of China2012-008;Scientific and Technological Innovation Programs of Higher Education Institutions in Shanxi2015110

在线出版日期：2016-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：504-510