[发明专利]一种基于图的半监督分类机器学习新方法

权利要求书

1.一种基于图的半监督分类新方法，包括如下步骤：

步骤S001：划分训练集；

训练集X＝L∪U＝{x₁,…x_l,x_l+1,…x_l+u}，L＝{x₁,…x_l}是少量有标签样本，U＝{x_l+1,…x_l+u}为大量无标签样本；标记样本占比

步骤S002：构造非对称稀疏权重矩阵；

式中，j＝1,2,…,k-1,k+1,…,n表示样本x_k由其余样本线性表示的稀疏分解系数；

步骤S003：求解非对称权重矩阵；通过求解优化问题求解非对称权重矩阵；

步骤S004：计算目标函数

步骤S005：采用符号函数判断样本类别。

2.根据权利要求1所述的一种基于图的半监督分类新方法，其特征在于：在所述步骤S001划分训练集中，采用主动样本标记方法，标记具有最大边界信息量样本，对样本进行预处理，包括如下步骤：

步骤D000：计算为所有无标签样本的类别概率差值L_i,j(x)；所述类别概率差值计算公式为：

步骤D001：选取类别概率差值L_i,j(x)小于预设阈值δ的所有无标签样本作为具有最大边界信息量样本；

步骤D002：将选取具有最大边界信息量样本由训练完成的3个初始化分类器进行类别标定，将标定后样本划分为有标签样本集。

3.根据权利要求2所述的一种基于图的半监督分类新方法，其特征在于：所述预设阈值δ＝2.5×10^-2。