基于多视图双支持向量机半监督学习方法

发布时间：2021-08-14 01:30

　　半监督学习问题是机器学习中常见的学习问题之一,不仅有带标签的数据,同时还有大量无标签数据.半监督学习问题出现于垃圾邮件过滤、医学图像分析、句法分析等实际中.多视图半监督学习算法将多视图与半监督学习算法相结合,比单视图分类效果更好.本文提出了一种将多视图半监督学习与双支持向量机相结合的方法,具体内容如下:针对半监督二分类问题,当数据集有不同特征时,根据不同的特征将数据分成多个视图,用双支持向量机对数据集构建模型,通过求解两个小规模的二次规划问题找到两个非平行的超平面,使一个超平面离其中一类样本点很近,离另一类样本点有一定的距离,同时能够给无标签数据点标上标签.对于非线性分划问题,本文引入了核函数,构建模型并进行求解,从而对数据集进行分类.本文分别用人工数据集和UCI数据集对多视图双支持向量机半监督学习方法进行了检验,实验结果表明,本文算法与双支持向量机相比缩短了运行时间,减少了计算复杂度,有很好的分类精确度,预测性能较好. 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：33 页

【学位级别】：硕士

【部分图文】：

图２??Ｆｉｇｕｒｅ?１：左图是视图１，右图是视图２．图中直线是ＭＶ－ＴＡＶＳＶＭ计算人工数据集得??到的分划超平面??


本文编号：3341493