-
题名基于Tri-training的半监督SVM
被引量：15
- 1
-
-
作者
李昆仑
张伟
代运娜
-
机构
河北大学电子信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第22期103-106,共4页
-
基金
国家自然科学基金No.60773062
河北省自然科学基金项目No.F2009000215
+1 种基金
河北省科技支撑计划项目No.072135188
河北省教育厅科研计划项目No.2008312~~
-
文摘
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间的差异性能够获得更好的分类效果,所以Tri-training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
-
Keywords
semi-supervised learning
co-training
Tri-training
Support Vector Machine（SVM）
least square support vector machine
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
