半監(jiān)督支持向量機(jī)學(xué)習(xí)方法研究.pdf

1、支持向量機(jī)(Support Vector Machine，SVM)是一種有監(jiān)督的通用高效機(jī)器學(xué)習(xí)方法，目前在許多領(lǐng)域得到成功的應(yīng)用，然而對(duì)于一些實(shí)際的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘問(wèn)題如網(wǎng)頁(yè)分類、醫(yī)療診斷、垃圾郵件過(guò)濾、圖像處理等，很難得到大量的有標(biāo)記訓(xùn)練示例，可用的往往是大量的無(wú)標(biāo)記示例，用SVM來(lái)求解這類問(wèn)題并不能發(fā)揮其優(yōu)勢(shì)。這類問(wèn)題常常通過(guò)半監(jiān)督學(xué)習(xí)(Semi-supervised Learning)方法如協(xié)同訓(xùn)練（Co-training）、

2、直推學(xué)習(xí)(Transductive Learning)等技術(shù)來(lái)解決，因此將SVM與半監(jiān)督學(xué)習(xí)方法相結(jié)合是一個(gè)值得深入研究的方向。
　　本文將SVM與半監(jiān)督學(xué)習(xí)方法相結(jié)合并以協(xié)同訓(xùn)練技術(shù)為基礎(chǔ)，提出了一種基于差異性度量的協(xié)同回歸支持向量機(jī)訓(xùn)練算法，稱為協(xié)同支持向量回歸機(jī)(Co-training Support Vector Regression，Co-SVR)。本文的研究工作主要包括以下內(nèi)容:
　　(1)對(duì)半監(jiān)督學(xué)習(xí)方法進(jìn)行了

3、系統(tǒng)的分析，并介紹了幾種經(jīng)典的半監(jiān)督學(xué)習(xí)方法。
　　(2)提出了一種基于差異性度量的協(xié)同回歸支持向量機(jī)訓(xùn)練算法，同時(shí)提出協(xié)同訓(xùn)練中同質(zhì)學(xué)習(xí)器和異質(zhì)學(xué)習(xí)器差異性度量方法，使協(xié)同訓(xùn)練的兩個(gè)學(xué)習(xí)器能保證獲得良好的泛化性能，并具有較高的協(xié)同訓(xùn)練效率。
　　(3)在標(biāo)準(zhǔn)數(shù)據(jù)集、UCI數(shù)據(jù)集和真實(shí)的空氣質(zhì)量數(shù)據(jù)集上對(duì)本文提出的學(xué)習(xí)算法進(jìn)行了驗(yàn)證，獲得了良好的預(yù)測(cè)結(jié)果。
　　本文提出的基于差異性度量的協(xié)同回歸支持向量機(jī)訓(xùn)練算法，將機(jī)