发明名称 |
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C<sub>1</sub>,SVM分类器C<sub>2</sub>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。 |
申请公布号 |
CN103177267B |
申请公布日期 |
2017.02.08 |
申请号 |
CN201310141198.0 |
申请日期 |
2013.04.22 |
申请人 |
山东师范大学 |
发明人 |
冷严;徐新艳 |
分类号 |
G06K9/62(2006.01)I;G06F15/18(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
济南圣达知识产权代理有限公司 37221 |
代理人 |
张勇 |
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。 |
地址 |
250014 山东省济南市历下区文化东路88号 |