一种适于传感检测的半监督增量支持向量机算法

摘要：

在传感检测应用中,从动态、无标签传感数据流中有效挖掘所需信息变得越来越重要,而传统模式识别方法,如支持向量机(SVM),是基于批量、监督学习策略,不能有效通过新增数据,特别是无标签数据进行模型更新.为此,提出了一种半监督增量学习SVM算法,首先运用初始训练样本训练SVM分类器,然后对新增有标签样本根据KKT条件进行增量在线学习,对无标签样本采用分枝定界方法进行半监督学习,在SVM分类模型更新过程中实现了有用样本的添加和失效样本的删除,并充分利用无标签样本来优化SVM分类面.最后,基于人工数据集和UCI公共数据集进行了实验测试,结果验证了本文方法的有效性.

关键词： 模式识别 支持向量机 增量学习 半监督学习 传感检测

作者: 陈桂军 张雪英 李凤莲 王子中

作者单位: 太原理工大学信息工程学院 太原 030024 太原理工大学信息工程学院 太原 030024;Department of Mathematics and Computer Science,Virginia Wesleyan College,Virg

会议类型: 国内会议

会议名称: 中国电子学会电路与系统分会第二十六届年会

会议地点: 长沙

会议语种:中文

页码: 84-88

在线出版日期: 2015-10-01（万方平台首次上网日期，不代表论文的发表时间）