凹半监督支持向量机及其应用  

Application of concave semi-supervised support vector machines

作　　者：冼广铭[1,2] 齐德昱[1] 方群 柯庆 曾碧卿[4] 庞雄文[5] 

机构地区：[1]华南理工大学,广州510640 [2]广州天河软件园管委会博士后科研工作站,广州510663 [3]蓝盾信息安全技术股份有限公司,广州510631 [4]华南师范大学南海学院,广东佛山528225 [5]华南师范大学计算机学院,广州510640

出　　处：《计算机工程与应用》2010年第28期132-134,共3页Computer Engineering and Applications

基　　金：广东省自然科学基金面上项目(No.8151063101000040);广东高校优秀青年创新人才培育项目(No(.2008)342号);广东省自然科学基金博士启动项目(No.9451063101002213)

摘　　要：在训练集不足的情况下,SVM算法有待改进,以提高其评价的准确性。采用凹半监督支持向量机,利用少量标注样本和大量未标注样本进行机器学习,提高了模型预测的精度。In case of lack of sufficient training set,SVM algorithm is expected to improve its accuracy.The concave semisupervised support vector machines is adopted and the little labeled sample and lots of labeled samples are utilized for machine learning.Accuracy of the model is improved by this method.

关 键 词：凹半监督支持向量机 机器学习 未标注样本 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]