用于在线数据分类的半监督最接近支持向量机  

Semi-supervised proximal support vector machine for on-line data classification

作　　者：常志勇[1] 刘叶青[1] 谷明涛[2] 

机构地区：[1]河南科技大学理学院 [2]中国人民解放军96251部队

出　　处：《计算机工程与应用》2010年第29期219-220,241,共3页Computer Engineering and Applications

基　　金：国家自然科学基金No.60574075~~

摘　　要：为了解决当已分类完未标号样本,又有新的未标号样本的半监督学习问题,提出了能用于在线数据分类的半监督最接近支持向量机。在人工数据和UCI数据集上的实验显示,不因标号数据的增多而提高分类性能,未标号数据基本上不降低其分类性能,因此算法可在线使用。To solve the problem of semi-supervised learning such that after the unlabeled data is labeled,new unlabeled data arrives, semi-supervised proximal support vector machine for on-line data classification is introduced.Experimental results on artificial and real data support that the performance of the proposed algorithm isn＇t improved as the number of labeled data increases and unlabeled data also doesn＇t decrease the performance.Thus the proposed algorithm can be used on-line.

关 键 词：支持向量机 半监督学习 最接近支持向量机 分类 在线学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]