基于局部行为搜索策略的半监督学习算法及其应用研究

摘要：

近年来，半监督学习在模式识别和机器学习领域引起了广泛关注。在这些方法中，半监督支持向量机是非常主流的一类。然而，学习过程中热核函数的参数选择问题一直困扰着研究人员，若选取不当，学习性能会显著下降。为了解决该问题，本文提出一种新颖的基于局部行为搜索策略的半监督学习算法。新算法基于人类行为搜索策略，传统的支持向量机被正则化为拉普拉斯图。在搜索到特征空间的局部分布后，行为因子能够映射到样本邻域的潜在概率分布。为验证新算法有效性，本文分别进行了仿真数据集和实际数据集实验。实验结果显示与传统方法相比，新算法在学习过程中能够更加有效和稳定。

关键词：半监督学习、行为学习、正则化、流形学习、支持向量机

分类号：TN911.7

资助基金：国家863资助项目

在线出版日期：2015-01-13（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：1443-1449