一种时频联合的支持向量机半监督学方法

摘要

本发明公开了一种时频联合的支持向量机半监督学方法，具体步骤为：步骤一：训练初始SVM分类器；步骤二：利用SVM分类器C₁，SVM分类器C₂寻找高置信度样本，组成高置信度样本集S；步骤三：将高置信度样本集S中的样本由机器自动标注后放入SVM分类器C的已标注样本集L中；步骤四：用更新的已标注样本集L重新训练SVM分类器C；步骤五：根据停止准则判断是退出循环还是继续迭代。本发明联合时域和频域两个特征空间判断样本的置信度，其对样本置信度的判断比传统的基于单一特征空间的判断更加准确；由于对样本置信度的判断更加准确，本发明能减少由于错误标注而引起的分类器分类性能的下降；本发明在用于SVM分类器的训练时大幅度减少人工标注的工作量。

主权项

一种时频联合的支持向量机半监督学习方法，其特征是，具体步骤为：步骤一：分别提取已标注样本的时域特征和频域特征，并分别训练初始SVM分类器C1、SVM分类器C2、SVM分类器C；步骤二：利用SVM分类器C1、SVM分类器C2从未标注样本集U中确定高置信度样本，组成高置信度样本集S；步骤三：将高置信度样本集S中的样本由机器自动标注后放入已标注样本集L中；步骤四：对更新的已标注样本集L重新提取时域特征和频域特征，并进行特征选择，重新训练SVM分类器C；步骤五：根据停止准则判断是退出循环还是继续迭代，继续迭代则返回步骤二；基于时频联合的支持向量机半监督学习方法来训练SVM分类器减小了人工标注的工作量，对样本置信度的判断更加准确；减少了错误标注引起的分类器分类性能的下降。