半监督学习方法

被引：131

作者：

刘建伟

刘媛

罗雄麟

机构：

[1] 中国石油大学(北京)自动化研究所

来源：

计算机学报 | 2015年 / 38卷 / 08期

关键词：

半监督学习; 有类标签的样本; 无类标签的样例; 类标签; 成对约束;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

半监督学习研究如何同时利用有类标签的样本和无类标签的样例改进学习性能,成为近年来机器学习领域的研究热点.鉴于半监督学习的理论意义和实际应用价值,系统综述了半监督学习方法.首先概述了半监督学习的相关概念,包括半监督学习的定义、半监督学习研究的发展历程、半监督学习方法依赖的假设以及半监督学习的分类,然后分别从分类、回归、聚类和降维这4个方面详述了半监督学习方法,接着从理论上对半监督学习进行了分析并给出半监督学习的误差界和样本复杂度,最后探讨了半监督学习领域未来的研究方向.

引用

页码：1592 / 1617

页数：26

共 38 条

[1] 基于支持向量机协同训练的半监督回归 [J].

马蕾 ;

汪西莉 .

计算机工程与应用, 2011, 47 (03) :177-180

[2] 密度敏感的距离测度在特定图像聚类中的应用 [J].

吴毓龙 ;

袁平波 .

计算机工程, 2009, 35 (06) :210-212

[3] 半监督典型相关分析算法 [J].

彭岩 ;

张道强 .

软件学报, 2008, (11) :2822-2832

[4] 基于成对约束的判别型半监督聚类分析 [J].

尹学松 ;

胡思良 ;

陈松灿 .

软件学报, 2008, (11) :2791-2802

[5] 半监督聚类中基于密度的约束扩展方法 [J].

张亮 ;

李敏强 .

计算机工程, 2008, (10) :13-15

[6] 基于双近邻测度的半监督聚类方法 [J].

罗晓清 ;

王士同 .

计算机应用与软件, 2008, (04) :219-220+250

[7] 流形上的Laplacian半监督回归 [J].

杨剑 ;

王珏 ;

钟宁 .

计算机研究与发展, 2007, (07) :1121-1127

[8] Credit scoring using the clustered support vector machine [J].

Harris, Terry .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (02) :741-750

[9]

Scalable semi-supervised clustering by spectral kernel learning[J] . M. Soleymani Baghshah,F. Afsari,S. Bagheri Shouraki,E. Eslami.Pattern Recognition Letters . 2014

[10]

Kernel Reference Discriminant Analysis[J] . Alexandros Iosifidis,Anastastios Tefas,Ioannis Pitas.Pattern Recognition Letters . 2014

← 1 2 3 4 →