王红蔚 ， 席红旗 ， 孔 波

(1.河南教育学院 数学系 河南 郑州 450046；2. 河南教育学院 信息技术系 河南 郑州 450046)

0 引言

半监督学习是近年来模式识别和机器学习领域研究的重点问题，主要考虑如何利用少量的标签样本和大量无标签样本进行训练和分类的问题[1].半监督学习对于减少标注代价，提高学习机器性能具有重要的实际意义.最早的一种半监督算法应用于网页分类[2]；文献[3]利用混合整数规划的方法提出了一种半监督支持向量机(S3VM)，但是该算法很难解决有大量无类别标签样本的问题；为了解决这个问题，文献[4]提出了一种凸半监督支持向量机(VS3VM)，该算法先对无类别标签样本进行类别标示，再使用监督学习算法.但标注过程本身就非常复杂，而且准确率难以保证；为解决该问题，文献[5]提出了一种新的思路，直接对无类别标签样本进行分类，使得聚类分类一次完成，并得到了无监督支持向量机和半监督支持向量机，不过在这个方法中，要求最优分划超平面必须过训练样本集的质心，这显然不适合解决所有问题.文献[6]通过不断地对无标签样本进行标记提出了一种半监督支持向量机，显然这不易于处理大样本情形.文献[7]提出了一种借助径向基核函数求解球类数据的半监督支持向量机，这也仅适用于特殊的问题.

综合利用有类别标签和无类别标签样本信息构造目标函数和约束条件，本文借助二次规划模型提出了一种新的半监……