半監(jiān)督最小最大模塊化支持向量機研究.pdf

1、最小最大模塊化支持向量機(M3-SVM)是一種可以有效處理大規(guī)模數(shù)據(jù)分類問題的有監(jiān)督集成學習算法。然而，對大規(guī)模數(shù)據(jù)進行標注是“昂貴的”，甚至是不可行的。為了將最小最大模塊化支持向量機拓展以處理那些未標記數(shù)據(jù)，本文將最小最大模塊化支持向量機和半監(jiān)督學習相結合進行研究。本文研究的內(nèi)容主要包含以下兩個部分，
　　一方面是提出一種半監(jiān)督最小最大模塊化支持向量機(SS-M3-SVM)算法。在SS-M3-SVM算法中，首先對有標記數(shù)據(jù)集和未

2、標記數(shù)據(jù)集進行任務劃分，然后將有標記樣本子集和未標記樣本子集兩兩結合，形成多個新的訓練子集，并在這些訓練子集中探索其中包含的隱藏變量。在求取了隱藏變量之后，將隱藏變量對有標記樣本的后驗概率作為有標記樣本的新特征，這樣新特征中包含了未標記樣本的一些判別信息。最后在包含了新特征的有標記樣本子集上分別訓練支持向量機(SVM)分類器，并按照最小最大規(guī)則集成實現(xiàn)半監(jiān)督最小最大模塊化支持向量機。
　　另一方面，在半監(jiān)督最小最大模塊化支持向量機