一种基于半监督学的支持向量机分类器训练方法

摘要

本发明具体公开了一种基于半监督学的支持向量机分类器训练方法，包括如下步骤：步骤1用初始已标注样本集训练一个初始SVM分类器；步骤2从未标注样本集U中寻找分类置信度高的样本，组成高置信度样本集S；步骤3对高置信度样本集S中的每个样本，按照图3所描述的方法判断其信息量大小，如果信息量小则将其从高置信度样本集S中移除，并重新放回未标注样本集U中；步骤4将S中置信度高且信息量大的样本由机器自动标注后加入SVM分类器的已标注样本集L中；步骤5用更新的已标注样本集L重新训练SVM分类器；步骤6根据停止准则判断是退出循环还是继续迭代。

主权项

一种基于半监督学习的支持向量机分类器训练方法，其特征在于：包括如下步骤：步骤1用初始已标注样本集训练一个初始SVM分类器；步骤2用SVM分类器从未标注样本集U中寻找分类置信度高的样本，组成高置信度样本集S；步骤3对高置信度样本集S中的每个样本，判断其信息量大小，如果信息量小则将其从高置信度样本集S中移除，并重新放回未标注样本集U中；步骤4将高置信度样本集S中置信度高且信息量大的样本由机器自动标注后加入SVM分类器的已标注样本集L中；步骤5用更新的已标注样本集L重新训练SVM分类器；步骤6根据停止准则判断是退出循环还是继续迭代。