直推式支持向量機及其在圖像分類中的應(yīng)用研究.pdf

1、圖像分類技術(shù)是近年來圖像處理、模式識別、人工智能等領(lǐng)域里最受關(guān)注的課題之一。隨著社會的發(fā)展、科技的進步，其應(yīng)用范圍不斷擴大，目前已經(jīng)擴充到了生物學、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（Support Vector Machine，SVM）被認為是一種快速、高效的分類器，有著非常廣泛的應(yīng)用。
　　為了進一步改善支持向量機的性能，將半監(jiān)督學習引入到支持向量機中，實現(xiàn)了直

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