论文部分内容阅读
拉普拉斯支持向量机通过引入流形正则项能够利用未标记数据信息进行半监督学习，但其流形正则项中数据邻接图的构造由于没有利用数据的标记信息而不能更准确地表征数据流形结构，并且热核参数的经验式选择也无法保证算法的学习性能．为解决此问题，提出一种基于局部行为相似性的拉普拉斯支持向量机半监督学习算法．该方法基于人类行为认知的思想构造一种新的数据邻接图：首先，设计能够利用数据标记信息的行为相似边权值，同时引入能够反映邻域结构特性的局部分布参数解决热核参数的选择问题．在公共数据集上的实验结果表明所提出的半监督学习方法具有