作者：杜红乐; 滕少华; 张燕支持向量机直推式学习半监督学习协同标注
摘要：在直推式支持向量机中，迭代过程中样本标注错误会导致错误传递，影响下一次迭代中样本标注准确度，使得错误不断的被积累，造成最终分类超平面的偏移，另外在传统单个分类器下，提高样本标注准确度与提高算法训练速度之间是矛盾的，无法得到兼顾．针对此，本文把投票机制和协同思想引入到直推式支持向量机中，提出一种协同标注的直推式支持向量机算法，利用多个分类器的投票结果对样本进行标注，提高样本标注的准确度，利用多个分类器进行协同训练提高算法的训练速度．最后实验结果表明，所提出算法能够利用投票机制和协同思想提高最终分类器的分类精度和算法的训练速度．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
