论文部分内容阅读
提出了一种基于两阶段学习的半监督支持向量机（semi-supervised SVM）分类算法．首先使用基于图的标签传递算法给未标识样本赋予初始伪标识，并利用k近邻图将可能的噪声样本点识别出来并剔除；然后将去噪处理后的样本集视为已标识样本集输入到支持向量机（SVM）中，使得SVM在训练时能兼顾整个样本集的信息，从而提高SVM的分类准确率．实验结果证明，同其它半监督学习算法相比较，本文算法在标识的训练样本较少的情况下，分类性能有所提高且具有较高的可靠性．