论文部分内容阅读
增量支持向量机（ISVM）由于在每次增量学习过程中无法选择最有效的增量样本，导致模型的泛化性能较差．针对此问题，文中提出基于组合半监督方式的增量支持向量机学习算法（ICS^3VM）．通过将大量的无标记样本分批进行组合标记以选择最优的增量样本，即每次选择位于分类间隔内部的最有价值样本加入训练集，以此修正模型．同时选择分类间隔最大的一组标记作为最终标记，确保标记的准确性．在标准数据集上的实验表明，ICS^3VM能以较高的学习效率提高模型的泛化性能．