半监督SVM 口显然,搜寻标记指派可能出错的每一对未标记样本进行调整,仍是 个涉及巨大计算开销的大规模优化问题。 口因此,半监督SWM研究的一个重点是如何设计出高效的优化求解 策略。 口例如基于图核( graph kerne)函数梯度下降的 Laplacian SVM[ Chapelle and zien,2005]、基于标记均值估计的 meanS3VM[Li et al. 2009]半监督SVM  显然, 搜寻标记指派可能出错的每一对未标记样本进行调整, 仍是 一个涉及巨大计算开销的大规模优化问题。  因此, 半监督SVM研究的一个重点是如何设计出高效的优化求解 策略。  例如基于图核(graph kernel)函数梯度下降的Laplacian SVM[Chapelle and Zien, 2005]、基于标记均值估计的 meanS3VM[Li et al., 2009]等