基于Help Training 的半监督支持向量回归

提出一种基于Help-Training 的半监督支持向量回归算法, 包含最小二乘支持向量回归(LS-SVR) 和?? 近 邻(??NN) 两种类型学习器. 主学习器LS-SVR 通过选择高置信度的未标记样本加以标记, 并将其添加到已标记样本 集, 使训练样本的规模不断扩大, 以提高LS-SVR 的函数逼近性能. 辅学习器??NN用以协助LS-SVR 从训练样本比较 密集的区域选取未标记样本加以置信度评估, 可以减弱噪声对学习效果的负面影响. 实验结果表明所提算法具有良 好的回归估计性能, 学习精度较高.