论文部分内容阅读
为了进一步提高分类器的识别精度，基于支持向量数据描述SVDD（support vector data description）和集成学习优点的Ensemble—SVDD半监督学习算法，首先为少量有标记数据的各类数据分别建立SVDD分类器，然后对无标记样本进行测试，利用已识别的无标记样本对已建立的分类面进行调整、优化。被识别出来的无标记数据和有标记数据集合在一起训练一个基分类器，多个基分类器集成在一起投票对测试样本进行测试。在5个UCI数据集上进行实验表明，本算法与tri—training算法相比平均识别精