1. 毕业设计（论文）主要目标：
半监督学习支持向量机（SSSVM）是一种有效的利用未标记样本的学习方法。
在训练样本维度高、数量少时，可能将未标记样本全都分到同一个类，为解决这个问题通常需要引进均衡约束来确保未标记样本分配到不同的类。
本课题我们在均衡约束的条件下，提出对应的增量学习方法和解路径学习方法。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 毕业设计（论文）主要内容：
1.在已有半监督svm增量学习的算法框架下，扩展完成能处理平衡约束的增量式学习算法。2.通过大量半监督数据集的测试，分析与验证提出的增量式学习算法有效性。
3. 在已有半监督svm增量学习的算法框架下，扩展完成能处理平衡约束的解路径学习算法。
4. 通过大量半监督数据集的测试，分析与验证提出的路径学习算法有效性。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
Ogawa K, Imamura M, Takeuchi I, et al. Infinitesimal annealing for training semi-supervised support vector machines[C]// International Conference on Machine Learning. 2013:897-905.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
