%0 Journal Article
%T 半监督型广义特征值最接近支持向量机*
%A 杨绪兵
%A 潘志松
%A 陈松灿
%J 模式识别与人工智能
%P 349-353
%D 2009
%X 广义特征值最接近支持向量机(GEPSVM)是近年提出的一种两分类方法.本文结合GEPSVM的平面特点和流形学习，给出一类半监督学习算法SemiGEPSVM.该方法不仅仍保持对诸如XOR问题的分类能力，而且在每类仅有一个有标样本的极端情形下，仍具有适用性.当已标样本不能用于构建超平面时，本文采用k-近邻方法选择样本并标记类别.一旦已标样本的个数可构建超平面时，采用本文的选择方法标记样本.此外，本文还从理论上证明该算法存在全局最优解.最后，SemiGEPSVM算法的有效性在人工数据集和标准数据集上得到验证.
%K 支持向量机
%K 半监督学习
%K 流形学习
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10059.shtml