基于圖拉普拉斯的半監(jiān)督學(xué)習(xí).pdf

1、傳統(tǒng)的監(jiān)督學(xué)習(xí)中,學(xué)習(xí)器只對(duì)標(biāo)記樣本進(jìn)行訓(xùn)練。然而標(biāo)記樣本的獲取常常是困難的、昂貴的、費(fèi)時(shí)的。同時(shí)獲取大量未標(biāo)記樣本相對(duì)較為容易,但是有效使用未標(biāo)記樣本的方法并不多。半監(jiān)督學(xué)習(xí)用來(lái)解決這個(gè)問(wèn)題：給定一個(gè)來(lái)自某未知分布的少量有標(biāo)記示例集以及大量的未標(biāo)記示例集,期望學(xué)得一個(gè)更好的函數(shù)可以準(zhǔn)確地預(yù)測(cè)示例的標(biāo)記。由于半監(jiān)督學(xué)習(xí)需要很少的人工標(biāo)記樣本,并且能夠給出更高的精度,它在理論上和實(shí)踐上引起了極大的興趣。 本文介紹了半監(jiān)督學(xué)習(xí)的相關(guān)

2、背景知識(shí)；給出了半監(jiān)督學(xué)習(xí)在一些特定的模型假設(shè)下的推廣誤差界；介紹了流形上的半監(jiān)督學(xué)習(xí)方法和基于圖的半監(jiān)督學(xué)習(xí)方法,并給出了相關(guān)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(xué)習(xí)與圖論相關(guān)知識(shí)聯(lián)系起來(lái),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(xué)習(xí)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(jié)構(gòu)變量緊密相關(guān)。主要內(nèi)容如下：

3、 第1章介紹半監(jiān)督學(xué)習(xí)的背景、意義和主要研究方法。 第2章給出了半監(jiān)督學(xué)習(xí)的一些理論結(jié)果。介紹了拉普拉斯特征映射(Laplacian Eigenmaps)學(xué)習(xí)算法、流形上的半監(jiān)督學(xué)習(xí)和圖上的半監(jiān)督學(xué)習(xí),給出了相關(guān)的正則化算法；對(duì)于基于圖的半監(jiān)督學(xué)習(xí),介紹了轉(zhuǎn)導(dǎo)學(xué)習(xí)界并且通過(guò)最優(yōu)化這個(gè)界得到了最優(yōu)核表示；對(duì)于半監(jiān)督分類,在聚類假設(shè)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(xué)習(xí)算法的推廣能力?？?/p>