[发明专利]一种基于图的半监督分类机器学习新方法

摘要

本发明提出了一种基于图的半监督分类新方法，给出了包括步骤S001到步骤S005在内的样本分类方法；并提供了包括步骤D000、D001、D002在内的主动样本标记方法，对训练样本集进行预处理，综合了监督学习和无监督学习优点，具有训练样本准备简单，训练精度高的优点；相较于一般的半监督学习方法，本文提出的在训练集预处理主动样本标记方法和基于图的分类方法使得训练精度更高，对数据样本的标记难度降低。

主权项

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。