论文部分内容阅读
基于半监督学习能够有效降低人工标注成本，以及增量学习可以加快谢I练速度，避免数据量大时训练时间过长等特性，本文提出了一种半监督增量式SVM算法。在算法中，首先对已标记样本进行训练得到初始分类器，然后利用此分类器对新增样本进行标记，最后结合KKT条件选择合适的样本对分类器进行更新。每当有新样本加入便执行以上过程，以保证分类器得到及时更新。将该算法运用于6135D型柴油机的故障诊断中，并与传统SVM算法和增量式SVM算法进行了对比，证实了本文所提算法的可行性与有效性。