基于圖拉普拉斯的半監(jiān)督學習.pdf

1、傳統(tǒng)的監(jiān)督學習中,學習器只對標記樣本進行訓練。然而標記樣本的獲取常常是困難的、昂貴的、費時的。同時獲取大量未標記樣本相對較為容易,但是有效使用未標記樣本的方法并不多。半監(jiān)督學習用來解決這個問題：給定一個來自某未知分布的少量有標記示例集以及大量的未標記示例集,期望學得一個更好的函數(shù)可以準確地預測示例的標記。由于半監(jiān)督學習需要很少的人工標記樣本,并且能夠給出更高的精度,它在理論上和實踐上引起了極大的興趣。 本文介紹了半監(jiān)督學習的相關

2、背景知識；給出了半監(jiān)督學習在一些特定的模型假設下的推廣誤差界；介紹了流形上的半監(jiān)督學習方法和基于圖的半監(jiān)督學習方法,并給出了相關的正則化算法；提出了一種解決核參數(shù)選擇困難的核(圖)組合方法；將半監(jiān)督學習與圖論相關知識聯(lián)系起來,考慮到推廣誤差可以分為樣本誤差和正則誤差,著重討論了基于圖拉普拉斯組合的半監(jiān)督學習算法的推廣性能,并證明了在組合圖拉普拉斯空間中基于圖的半監(jiān)督正則化算法的推廣誤差與數(shù)據(jù)圖本身的結構變量緊密相關。主要內(nèi)容如下：

3、 第1章介紹半監(jiān)督學習的背景、意義和主要研究方法。 第2章給出了半監(jiān)督學習的一些理論結果。介紹了拉普拉斯特征映射(Laplacian Eigenmaps)學習算法、流形上的半監(jiān)督學習和圖上的半監(jiān)督學習,給出了相關的正則化算法；對于基于圖的半監(jiān)督學習,介紹了轉導學習界并且通過最優(yōu)化這個界得到了最優(yōu)核表示；對于半監(jiān)督分類,在聚類假設的前提下,給出了推廣誤差界。 第3章主要討論基于圖拉普拉斯組合的半監(jiān)督學習算法的推廣能力。考