半监督学习-半监督SVM_第1页
半监督学习-半监督SVM_第2页
半监督学习-半监督SVM_第3页
半监督学习-半监督SVM_第4页
半监督学习-半监督SVM_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

半监督支持向量机Semi-SupervisedSupportVectorMachine,S3VM主讲：史煜鑫计算机与信息技术学院视觉智能实验室（Visint）BeijingJiaotong

University约定接下来的内容，默认要求解的是一个二分类问题两个类别的标签分别为+1和-1标签为+1的样本也被称为正类、正样本标签为-1的样本也被称为负类、负样本支持向量机简述SVM的最大间隔超平面划分支持向量机的数学表示求解支持向量机S3VM简述输入：少量有标签的样本、大量无标签的样本输出：预测所有无标签样本的标签设计思路：有标签的样本必须正确分类超平面穿过无标签样本最稀疏的区域对无标签样本的分类尽可能均衡最经典的半监督SVM：TSVMS3VM图示TSVM

TSVM的迭代解法利用有标签样本训练一个普通的SVM用上一步的SVM预测所有无标签样本的标签（伪标签）使用所有样本重新训练SVM开始迭代：找到一个最有可能被标记错的正样本找到一个最有可能被标记错的负样本交换这两个样本的标签重新训练SVM回到循环开头或退出循环TSVM的数学表示TSVM训练过程的伪代码如何

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论