[发明专利]一种高效的SVM主动半监督学习算法

摘要

本发明公开了一种高效的SVM主动半监督学习算法，包括：(一)训练初始的SVM分类器(二)判断是否满足学习终止条件，若不满足则转到步骤(三)；使用对未标记样本U进行预测标注；(四)对U中预测标注置信度大于/小于阈值的样本进行基于Tri-training的半监督学习/基于QBC的主动学习，将半监督学习/主动学习所选择的样本加入已标记训练样本集；(五)在更新的已标记训练样本集上训练(六)重复步骤(二)直至SVM分类器满足主动学习的终止条件。本发明的有益之处在于：在SVM训练学习的过程中根据学习进程，自主选择最有利于分类器性能的样本来训练分类器，把这些样本加入训练集之后能够最大程度提高半监督学习对未标注样本分类的准确性，从而提高SVM分类精度。

主权项

一种高效的SVM主动半监督学习算法，其特征在于，包括以下步骤：(一)、在已标记训练样本集L上训练初始的SVM分类器(二)、判断初始的SVM分类器是否满足学习终止条件S_stop，若满足，则结束SVM训练学习；若不满足，则转到步骤(三)；(三)、使用初始的SVM分类器对未标记样本U进行预测标注；(四)、对未标记样本U中预测标注置信度大于阈值的样本进行基于Tri‑training的半监督学习，并将半监督学习所选择的样本加入已标记训练样本集L；对未标记样本U中预测标注置信度小于阈值的样本进行基于QBC的主动学习，并将主动学习所选择的样本加入已标记训练样本集L；(五)、在更新的已标记训练样本集L上训练SVM分类器(六)、重复步骤(二)，直至训练的SVM分类器满足主动学习的终止条件S_stop。