模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2008, Vol. 21 Issue (6): 721-727    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于SVDD的渐进直推式支持向量机学习算法*
薛贞霞1,2,刘三阳1,刘万里1,3
1.西安电子科技大学 应用数学系 西安 710071
2.河南科技大学 数学系 洛阳 471003
3.洛阳师范学院 数学系 洛阳 471022
SVDD Based Learning Algorithm with Progressive Transductive Support Vector Machines
XUE Zhen-Xia1,2, LIU San-Yang1, LIU Wan-Li1,3
1.Department of Applied Mathematics, Xidian University, Xi'an 7100712.
Department of Mathematics, Henan Science and Technology University, Luoyang 4710033.
Department of Mathematics, Luoyang Normal College, Luoyang 471022

全文: PDF (436 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对半监督学习中渐进直推支持向量机(PTSVM)算法每次标注的样本数太少、训练速度慢、回溯式学习多、学习性能不稳定的问题,提出一种快速的渐进直推支持向量机学习算法.该算法利用支持向量的信息,基于支持向量域描述(SVDD)选择新标注、无标签的样本点,以区域标注法代替PTSVM的成对标注法,不仅继承了其渐进赋值和动态调整的规则,而且在保持甚至提高算法精度的同时,大大提高算法速度.在人工模拟数据和真实数据上的实验结果表明该算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
薛贞霞
刘三阳
刘万里
关键词 半监督学习支持向量机直推式学习支持向量域描述(SVDD)    
Abstract:In semi-supervised learning, progressive transductive support vector machine (PTSVM) has some drawbacks, such as few sample labeled in each iteration, low training speed, many backtrack learning steps, and unstable learning performance. Aiming at these problems, a fast progressive transductive support vector machines learning algorithm is proposed. It selects new unlabeled samples based on support vector domain description (SVDD) by using the information of support vectors. Using region labeling rule instead of pairwise labeling rule of PTSVM, the algorithm inherits progressive labeling and dynamic adjusting of the PTSVM. And meanwhile it increases the computational speed and keeps even improves the accuracy. Experimental results on synthetic and real datasets show the validity of the proposed algorithm.
Key wordsSemi-Supervised Learning    Support Vector Machines    Transductive Learning    Support Vector Domain Description (SVDD)   
收稿日期: 2008-01-18     
ZTFLH: TP181  
基金资助:国家自然科学基金资助项目(No.60574075, 60703118)
作者简介: 薛贞霞,女,1980年生,博士研究生,主要研究方向为机器学习、模式识别、最优化理论方法及应用.E-mail:xuezhenxia@yahoo.cn.刘三阳,男,1959年生,教授,博士生导师,主要研究方向为人工智能、最优化方法及其在通信网络中应用、决策支持系统.刘万里,男,1964年生,副教授,博士研究生,主要研究方向为模式识别、最优化方法及应用.
引用本文:   
薛贞霞,刘三阳,刘万里. 基于SVDD的渐进直推式支持向量机学习算法*[J]. 模式识别与人工智能, 2008, 21(6): 721-727. XUE Zhen-Xia, LIU San-Yang, LIU Wan-Li. SVDD Based Learning Algorithm with Progressive Transductive Support Vector Machines. , 2008, 21(6): 721-727.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2008/V21/I6/721
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn