论文部分内容阅读
本文主要考虑的是有监督学习的1-范数中心支持向量机和半监督学习的1-范数半监督中心支持向量机.对于1-范数中心支持向量机,本文是将标准的中心支持向量机模型中的2-范数改为1-范数,并且通过数值实验证明1-范数中心支持向量机的分类效果与2-范数中心支持向量机的分类效果基本差不多,对于有些例子来说1-范数要比2-范数好.对于半监督学习,目前已经有很多关于半监督支持向量机算法的改进方案.本文研究的内容主要是带有绝对值等式的1-范数半监督中心支持向量机(S2PSVM)算法.该算法先利用了已标记的训练样本训练得到开始的分离超平面,然后通过加入未标记的训练样本不断的调整开始的分离超平面,得到最后的分离超平面.通过数值实验可以发现,此算法综合运用了有标签的样本和没有标签的训练样本,从而得到很好的分离超平面. 本文由四部分构成:第一部分为了给后面的讨论做准备主要介绍了本文的研究背景、国内外研究现状和本文的主要内容和框架结构;第二部分主要介绍了标准的支持向量机和标准中心支持向量机的基本模型和算法;第三部分主要研究了1-范数中心支持向量机的基本模型及算法,通过数值实验与2-范数中心支持向量机分类效果的比较;第四部分主要讲述了1-范数中心支持向量机的模型和算法,分析了此算法的分类效果.