一种时频联合的支持向量机半监督学习方法

摘要

本发明公开了一种时频联合的支持向量机半监督学习方法，具体步骤为：步骤一：训练初始SVM分类器；步骤二：利用SVM分类器C₁，SVM分类器C₂寻找高置信度样本，组成高置信度样本集S；步骤三：将高置信度样本集S中的样本由机器自动标注后放入SVM分类器C的已标注样本集L中；步骤四：用更新的已标注样本集L重新训练SVM分类器C；步骤五：根据停止准则判断是退出循环还是继续迭代。本发明联合时域和频域两个特征空间判断样本的置信度，其对样本置信度的判断比传统的基于单一特征空间的判断更加准确；由于对样本置信度的判断更加准确，本发明能减少由于错误标注而引起的分类器分类性能的下降；本发明在用于SVM分类器的训练时大幅度减少人工标注的工作量。