直推式支持向量機(jī)及其在圖像分類中的應(yīng)用研究.pdf

1、圖像分類技術(shù)是近年來(lái)圖像處理、模式識(shí)別、人工智能等領(lǐng)域里最受關(guān)注的課題之一。隨著社會(huì)的發(fā)展、科技的進(jìn)步，其應(yīng)用范圍不斷擴(kuò)大，目前已經(jīng)擴(kuò)充到了生物學(xué)、軍事、天文、地理等諸多領(lǐng)域。
　　本文首先介紹了常用在圖像分類技術(shù)中的分類算法，其中支持向量機(jī)（Support Vector Machine，SVM）被認(rèn)為是一種快速、高效的分類器，有著非常廣泛的應(yīng)用。
　　為了進(jìn)一步改善支持向量機(jī)的性能，將半監(jiān)督學(xué)習(xí)引入到支持向量機(jī)中，實(shí)現(xiàn)了直

2、推式支持向量機(jī)（Transductive Support Vector Machine，TSVM）算法，它比支持向量機(jī)有著更好的泛化能力；但是卻有著需要事先設(shè)置無(wú)標(biāo)簽樣本中正負(fù)樣本的比例、時(shí)間復(fù)雜度高的缺點(diǎn)。
　　為此，本文提出了一種改進(jìn)算法IPTSVM，該算法在原有的直推式支持向量機(jī)的基礎(chǔ)之上，通過只對(duì)部分無(wú)標(biāo)簽樣本進(jìn)行優(yōu)化，這些被優(yōu)化的樣本點(diǎn)都對(duì)分類器的訓(xùn)練有重大的影響力，拋棄大量無(wú)關(guān)樣本點(diǎn)以及影響力較小的樣本，使其算法的時(shí)間