基于局部行为相似性的拉普拉斯SVM半监督学习算法  

Laplacian Support Vector Machine by Local Behavioral Similarity

作　　者：刘振[1,2] 杨俊安[1,2] 刘辉[1,2] 王伟[1,2] 

机构地区：[1]电子工程学院,合肥230037 [2]安徽省电子制约技术重点实验室,合肥230037

出　　处：《小型微型计算机系统》2016年第12期2749-2754,共6页Journal of Chinese Computer Systems

基　　金：国家“八六三”高技术研究发展计划项目资助;安徽省自然科学基金项目(1308085QF99,1408085MKL46)资助

摘　　要：拉普拉斯支持向量机通过引入流形正则项能够利用未标记数据信息进行半监督学习,但其流形正则项中数据邻接图的构造由于没有利用数据的标记信息而不能更准确地表征数据流形结构,并且热核参数的经验式选择也无法保证算法的学习性能.为解决此问题,提出一种基于局部行为相似性的拉普拉斯支持向量机半监督学习算法.该方法基于人类行为认知的思想构造一种新的数据邻接图:首先,设计能够利用数据标记信息的行为相似边权值,同时引入能够反映邻域结构特性的局部分布参数解决热核参数的选择问题.在公共数据集上的实验结果表明所提出的半监督学习方法具有更好的性能.Laplacian support vector machine could utilize the unlabeled samples for semi-supervised learning by applying the manifold regularization term. But the data adjacent graph in the manifold regularization term couldn＇t take advantage of the label information and the empirical setting of heat kernel parameter would also degrade the learning performance. Inspired by human behavioral learning the- ory, a novel semi-supervised learning with local behavioral similarity was proposed in this paper to solve those problems. In detail, the new edge weight with label information was introduced and the local distribution parameter considering the underlying probability dis- tribution in the neighborhood of a point was applied. Extensive experiments on public data sets show the good performance and validity of the new algorithm.

关 键 词：半监督学习 支持向量机 流形学习 行为学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]