部分监督学习问题的支持向量机及其应用

In this project, we focus on partially supervised learning in classification. Partially supervised learning includes two parts: (i)semi-supervised learning (SS learning for short) ;(ii) positive and unlabeled learning（PU learning for short). Partially supervised learning is of great interest both in theory and in practice because it requires less human effort and gives higher accuracy by using large amount of unlabeled examples, together with the labeled examples, to build better classifiers. We shall study support vector machines (SVMs) for partially supervised learning (SS learning and PU learning) from the view point of optimization theory and methods, including: 1. For SS learning and PU learning, establish the SVM models and the corresponding algorithms based on the maximal margin and different regularization terms; 2. Particular attention will be paid to Twin SVM models and the corresponding algorithms for SS learning and PU learning due to our good research on Twin SVM; 3. For SS learning and PU learning, find the reasonable evaluation measures; 4．Apply our new SVM models and Twin SVM models to bioinformatics.

本项目研究分类问题中的分部分监督学习，包括半监督学习（Semi-supervised learning，简称SS学习）和正类标记与无标记学习（Positive and unlabeled learning，简称PU学习）。部分监督学习的特点是，除了像传统有监督学习利用已知标记的样本外，它还利用成本低廉的无标记样本以取得更好的分类效果。对于部分监督学习，支持向量机是一个十分有效的途径。本项目拟从最优化的角度研究部分监督学习（SS学习和PU学习）中的支持向量机。具体包括： 1、从最大间隔原则和引进不同正则项出发，研究SS学习和PU学习的支持向量机模型与算法；2、鉴于我们对双子型支持向量机已有较好的工作基础，特别注意研究SS学习和PU学习中的双子型支持向量机模型与算法；3、研究SS学习和PU学习中的模型与算法的评价准则；4、应用所得到的SS学习和PU学习的若干支持向量机于生物信息学。

本项目研究分类问题中的分部分监督学习，包括半监督学习（Semi-supervised learning ，简称SS学习）和正类标记与无标记学习（Positive and unlabeled learning，简称PU 学习）。部分监督学习的特点是，除了像传统有监督学习利用已知标记的样本外，它还利用成本低廉的无标记样本以取得更好的分类效果。对于部分监督学习，支持向量机是一个十分有效的途径。本项目从最优化的角度研究部分监督学习（SS学习和PU学习）中的支持向量机。具体包括： 1、从最大间隔原则和引进不同正则项出发，研究了SS学习和PU学习的支持向量机模型与算法；2、鉴于我们对双子型支持向量机已有较好的工作基础，特别注意研究了SS学习和PU学习中的双子型支持向量机模型与算法；3、研究了SS学习和PU学习中的模型与算法的评价准则；4、应用所得到的SS学习和PU学习的若干支持向量机于生物信息学。. 本项目完成学术论文完成学术论文41篇（其中期刊论文38篇, 会议论文3篇, SCI检索论文34篇， EI检索论文6篇,核心期刊论文1篇）。参加国内外学术交流会议15个，培养教师和研究生共计13人，其中教师1人由讲师晋升为教授，2人由讲师晋升为副教授，4人获博士学位，6人获硕士学位。