[1]张健沛,赵莹,杨静.最小二乘支持向量机的半监督学习算法[J].哈尔滨工程大学学报,2008,(10):1088-1092.
 ZHANG Jian-pei,ZHAO Ying,YANG Jing.Semi-supervised learning algorithm with a least square support vector machine[J].hebgcdxxb,2008,(10):1088-1092.
点击复制

最小二乘支持向量机的半监督学习算法(/HTML)
分享到:

《哈尔滨工程大学学报》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2008年10期
页码:
1088-1092
栏目:
出版日期:
2008-09-20

文章信息/Info

Title:
Semi-supervised learning algorithm with a least square support vector machine
作者:
张健沛 赵莹 杨静
哈尔滨工程大学,计算机科学与技术学院,黑龙江,哈尔滨,150001
Author(s):
ZHANG Jian-pei ZHAO Ying YANG Jing
College of Computer Science and Technology,Harbin Engineering University,Harbin 150001,China
关键词:
半监督学习支持向量机 统计学习理论 最小二乘法
分类号:
TP301.5
文献标志码:
A
摘要:
将最小二乘支持向量机引入到半监督学习中,提出了一种最小二乘支持向量机的半监督学习算法.采用最小二乘支持向最机训练混合样本集,利用最小二乘支持向量机训练速度快、效率高等优点有效地克服了目前一些半监督支持向量机学习算法时间代价大、效率低的缺陷.在训练过程中采用区域标注法,减少达到收敛所需要的迭代次数,并给出了SLS-SVM算法具体的数学描述.在人造数据集及实际数据集上的实验表明,最小二乘支持向量机的半监督学习算法可以有效的减少训练时问,提高训练的速度,从而具有更好的推广能力.

参考文献/References:

1. COLLOBERT R.SINZ F.WESTON J Large scale transductive SVMs 2006()
2. CHAPEILE O.CHI M.ZIEN A A continuation method for Semi-supervised SVMs 2006()
3. SUYKENS J A K.VANDEWALLEJ Least squares support vector machines classifiers 1999(3)
4. 陈毅松.汪国平.董士海 基于支持向量机的渐进直推式分类学习算法 [期刊论文] - 哈尔滨工程大学学报 2003(3)
5. BCNNETH K P.DEMIREZ A Semi-supervised sup-port vector machines 1998()
7. 廖东平.姜斌.魏玺章.黎湘.庄钊文 一种快速的渐进直推式支持向量机分类学习算法 [期刊论文] - 哈尔滨工程大学学报 2007(1)
9. 赵春晖.陈万海.郭春燕 多类支持向量机方法的研究现状与分析 [期刊论文] - 哈尔滨工程大学学报 2007(2)

相似文献/References:

[1]朱广平,孙辉,陈文剑,等.混响背景中信号检测的特征核支持向量机[J].哈尔滨工程大学学报,2009,(01):52.
 ZHU Guangping,SUN Hui,CHEN Wen-jian,et al.Feature kernel support vector machines for signal detection with reverberation[J].hebgcdxxb,2009,(10):52.
[2]杜伟东,李海森,魏玉阔,等.基于SVM的决策融合鱼类识别方法[J].哈尔滨工程大学学报,2015,(05):623.[doi:10.3969/j.issn.1006-7043.201403083]
 DU Weidong,LI Haisen,WEI Yukuo,et al.Decision fusion fish identification using SVM and its experimental study[J].hebgcdxxb,2015,(10):623.[doi:10.3969/j.issn.1006-7043.201403083]
[3]牛清宁,周志强,金立生,等.基于眼动特征的疲劳驾驶检测方法[J].哈尔滨工程大学学报,2015,(03):394.[doi:10.3969/j.issn.1006-7043.201311044]
 NIU Qingning,ZHOU Zhiqiang,JIN Lisheng,et al.Detection of driver fatigue based on eye movements[J].hebgcdxxb,2015,(10):394.[doi:10.3969/j.issn.1006-7043.201311044]
[4]李秀坤,孟祥夏.水下目标回波和混响在听觉感知特征空间的分类[J].哈尔滨工程大学学报,2015,(09):1183.[doi:10.11990/jheu.201406019]
 LI Xiukun,MENG Xiangxia.Classification of underwater target echoes and reverberation in auditory perception feature spaces[J].hebgcdxxb,2015,(10):1183.[doi:10.11990/jheu.201406019]
[5]王振武,孙佳骏,尹成峰.改进粒子群算法优化的支持向量机及其应用[J].哈尔滨工程大学学报,2016,37(12):1728.[doi:10.11990/jheu.201601005]
 WANG Zhenwu,SUN Jiajun,YIN Chengfeng.A support vector machine based on an improved particle swarm optimization algorithm and its application[J].hebgcdxxb,2016,37(10):1728.[doi:10.11990/jheu.201601005]
[6]王立国,李阳.融合主动学习的高光谱图像半监督分类[J].哈尔滨工程大学学报,2017,38(08):1322.[doi:10.11990/jheu.201606046]
 WANG Liguo,LI Yang.Semi-supervised classification for hyperspectral image collaborating with active learning algorithm[J].hebgcdxxb,2017,38(10):1322.[doi:10.11990/jheu.201606046]
[7]刘里,肖迎元.基于术语长度和语法特征的统计领域术语抽取[J].哈尔滨工程大学学报,2017,38(09):1437.[doi:10.11990/jheu.201605037]
 LIU Li,XIAO Yingyuan.A statistical domain terminology extraction method based on word length and grammatical feature[J].hebgcdxxb,2017,38(10):1437.[doi:10.11990/jheu.201605037]
[8]毕晓君,冯雪赟.基于改进深度学习模型C-GRBM的人体行为识别[J].哈尔滨工程大学学报,2018,39(01):156.[doi:10.11990/jheu.201612051]
 BI Xiaojun,FENG Xueyun.Human action recognition based on improved depth learning model C-GRBM[J].hebgcdxxb,2018,39(10):156.[doi:10.11990/jheu.201612051]
[9]邵明晖,吴彪,张路蓬.创新合作伙伴的SVM-TOPSIS优选决策分析[J].哈尔滨工程大学学报,2018,39(01):179.[doi:10.11990/jheu.201705044]
 SHAO Minghui,WU Biao,ZHANG Lupeng.The optimization decision-making analysis for partners in innovation based on SVM-TOPSIS[J].hebgcdxxb,2018,39(10):179.[doi:10.11990/jheu.201705044]
[10]王立国,赵亮,刘丹凤.SVM在高光谱图像处理中的应用综述[J].哈尔滨工程大学学报,2018,39(06):973.[doi:10.11990/jheu.201704074]
 WANG Liguo,ZHAO Liang,LIU Danfeng.A review on the application of SVM in hyperspectral image processing[J].hebgcdxxb,2018,39(10):973.[doi:10.11990/jheu.201704074]

备注/Memo

备注/Memo:
收稿日期:2007—10一l0.
基金项目:国家自然科学基金资助项目(60873037;60673131);黑龙江省自然科学基金资助项日(F2005—02).作者简介:张健沛(1956一),男,教授,博仁生导师,E—mail:zhangjian— pei@hrbeu.eelu.on,
更新日期/Last Update: 2009-08-14