论文部分内容阅读
随着信息技术的发展，人们需要处理的数据数以亿计，比如工业信息，DNA分析，地理环境信息等。然而并非所有的数据都有明确的标签，当存在海量的无标签数据时，如何从海量无标签数据中获取有用的分类信息引起了研究人员的广泛关注。传统的监督学习和非监督学习处理数据时都没有能够充分利用有标签数据和无标签数据，浪费了宝贵的数据资源。半监督机器学习不仅能有效利用有标签数据，而且能通过无标签数据进行指导训练，提高了分类精度，增强了推广能力。本文研究了基于支持向量机的半监督式学习分类方法。本文首先介绍了直推式支持向量机（Transductive Support Vector Machines, TSVM）的半监督学习的基本原理。分析与比较了现有的改进TSVM方法，这些方法多是基于改变和完善TSVM的优化公式的，大多考虑的是优化方程最小化，而忽略了训练样本点之间的关系，所以对优化公式的改进对于半监督学习算法的性能提高作用有限。本文从数据的角度出发，来实现真正的数据驱动，从而实现数据的分类。基于这种思路，本文提出了两种改进的半监督式支持向量机学习分类算法：1)基于相似度标签传递的半监督支持向量机(Similarity Label Propagation Semi-Supervised Support Vector Machines,SLPS3VM)；2）基于测地线标签传递的半监督支持向量机(Geodesic Label PropagationSemi-Supervised Support Vector Machines, GLPS3VM)。理论分析与实验结果表明，本文所提的改进型半监督学习的主要优势体现在：1）两种改进型半监督学习分类算法在数据类别比例不平衡时都依然有效。由于实际中无标签样本中类别的比例往往与有标签样本中的类别比例不一致，本文所提方法采用标签传递的方式逐步标注无标签样本中的类别，自动寻找合适的比例，与现有的采用固定类别比例的算法相比更具有实用意义；2）本文提出的SLPS3VM方法，在处理数据聚类比较突出的学习问题时运算效率明显提高。3）在数据呈高维流形结构时，本文提出的GLPS3VM可以获得较普通聚类方式更好的分类结果。