基于蚁群聚类算法的SVM半监督式训练方法

作者：金珠; 马小平

来源：西华大学学报(自然科学版), 2011, (01): 56-60.

• 支持向量机
• 蚁群聚类算法
• 机器学习 SVM
• ant clustering algorithm
• machine learning

传统支持向量机在处理包含大量未知类别样本的训练集时性能较差。针对这一不足,在少量已知类别样本和大量未知类别样本构成的训练集上,提出一种基于蚁群聚类算法的支持向量机半监督式学习方法。该方法应用蚁群聚类算法进行聚类分析,实现了同类样本的自组织聚类;通过一个递归的类别判定算法,回收样本类别;同时,提取各类簇之间靠得相对较近的边界样本组成精简训练集,以缩减训练集规模加快学习速度。实验表明,该算法能够自适应样本类别分布,有较高的分类精度和泛化能力。

• 出版日期2011
• 单位中国矿业大学; 中国矿业大学（北京）