1、基于流形正則化的半監(jiān)督分類算法框架(Manifold Regularization,MR)和基于后驗(yàn)概率的支持向量機(jī)(Posterior Probability Support Vector Machine,PPSVM)是近年來提出的兩種比較新的分類方法。然而,MR在標(biāo)記樣本位于模糊異常區(qū)域時(shí)容易發(fā)生分類偏差,而PPSVM則對(duì)標(biāo)記樣本數(shù)目要求高。
　　為解決這些問題,將后驗(yàn)概率知識(shí)引入到MR框架中,設(shè)計(jì)一種基于后驗(yàn)概率和流形正則化

2、的半監(jiān)督分類算法框架PPMR。PPMR采用流形正則化技術(shù),在再生核希爾伯特空間中求解一個(gè)分類函數(shù),使得標(biāo)記樣本在此分類函數(shù)上輸出的后驗(yàn)概率值盡量與標(biāo)記值接近,而距離很近的樣本(包括標(biāo)記樣本和未標(biāo)記樣本)在此分類函數(shù)上輸出的后驗(yàn)概率值也盡量接近。其基本思想是區(qū)別對(duì)待每個(gè)標(biāo)記樣本,采用后驗(yàn)概率知識(shí)指示標(biāo)記樣本的位置,并利用未標(biāo)記樣本傳播這種后驗(yàn)概率知識(shí)。這校正了模糊標(biāo)記樣本引起的分類偏差,又發(fā)揮了未標(biāo)記樣本的分類的作用。
　　在MR的

3、基礎(chǔ)上,直接采用后驗(yàn)概率標(biāo)注樣本類別值得到PPMR的基本形式;根據(jù)經(jīng)驗(yàn)規(guī)模調(diào)整正則化系數(shù)后得到PPMR的改進(jìn)形式;在此基礎(chǔ)上,引入后驗(yàn)概率映射函數(shù),采用映射值標(biāo)注樣本類別值,得到PPMR的推廣形式。分別采用平方損失和關(guān)鍵損失定義抽象損失函數(shù)得到基于PPMR的兩種基本算法。
　　為進(jìn)一步闡明PPMR框架并驗(yàn)證PPMR框架的有效性,在仿真數(shù)據(jù)集、公共標(biāo)準(zhǔn)數(shù)據(jù)集以及醫(yī)學(xué)實(shí)際應(yīng)用數(shù)據(jù)集上進(jìn)行多次隨機(jī)重復(fù)實(shí)驗(yàn),探討不同的核函數(shù)、后驗(yàn)概率映射