一种改进的直推式支持向量机算法
直推式支持向量机(TransductiveSupportVectorMachine,TSVM)是标准的支持向量机算法在半监督学习问题上的一种扩展,但已有的TSVM算法存在训练速度慢、回溯式学习多、学习性能不稳定等缺点.针对这些问题本文提出一种改进的直推式支持向量机算法-ITSVM,该算法较准确地确定了待训练的未标识样本中的正负样本数问题,有效解决了传统TSVM中过多的回溯式学习问题,同时本算法也无需利用过多的未标识训练样本,从而减轻了计算强度.实验表明,ITSVM相比TSVM在分类正确率、分类速度以及使用的样本规模上都表现出了一定的优越性.
支持向量机 直推式学习 半监督学习
赵英刚 王硕苹
浙江大学计算机科学与技术学院,杭州,310027 浙江大学城市学院计算机科学与技术系,杭州,310015
国内会议
济南
中文
1291-1295
2005-09-01（万方平台首次上网日期，不代表论文的发表时间）