论文部分内容阅读
在机器学习领域，核方法是解决非线性模式识别问题的一种有效手段．目前，用多核学习方法代替传统的单核学习已经成为一个新的研究热点，它在处理异构、不规则和分布不平坦的样本数据情况下，表现出了更好的灵活性、可解释性以及更优异的泛化性能．灶合有监督学习中的多核学习方法，提出了基于上。范数约束的多核半监督支持向量机（semi-supervised support vector machine，简称S^3VM）的优化模型．该模型的待优化参数包括高维空间的决策函数厶和核组合权系数靠．同时，该模型继承了单核半监督支持向量机