一种用于半监督学习的核优化设计
来源期刊:软件工程2013年第9期
论文作者:张卫东
文章页码:40 - 41
关键词:谱特征分解;核;半监督学习;监督学习;降维;
摘 要:半监督学习研究主要关注当训练数据的部分信息缺失的情况下,如何获得具有良好性能和推广能力的学习机器。本文我们提出了一种基于核优化的半监督学习框架,将数据嵌入到高维特征空间,从而与线性分类器等价。在核的设计上,采用了基于谱分解的无监督核设计,提出了学习边界,通过最小化边界来获得最优核表示。通过实验,对不同的核方法进行了比较,证明了我们结论的正确性。
崔鹏
哈尔滨理工大学计算机学院
摘 要:半监督学习研究主要关注当训练数据的部分信息缺失的情况下,如何获得具有良好性能和推广能力的学习机器。本文我们提出了一种基于核优化的半监督学习框架,将数据嵌入到高维特征空间,从而与线性分类器等价。在核的设计上,采用了基于谱分解的无监督核设计,提出了学习边界,通过最小化边界来获得最优核表示。通过实验,对不同的核方法进行了比较,证明了我们结论的正确性。
关键词:谱特征分解;核;半监督学习;监督学习;降维;