基于最大相关熵准则的鲁棒半监督学习算法

• 作者: 杨南海 王秀坤 赫然 黄明明
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 半监督学习 Gaussian-Laplacian正则化 相关熵 鲁棒 半二次优化
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 279-288
• 分类号: TP181
• 字数: 8748字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.03977

摘要

分析了噪声对半监督学习Gaussian-Laplacian正则化(Gaussian-Laplacian regularized,简称GLR)框架的影响,针对最小二乘准则对噪声敏感的特点,结合信息论的最大相关熵准则(maximum correntropy criterion,简称MCC),提出了一种基于最大相关熵准则的鲁棒半监督学习算法(简称GLR-MCC),并证明了算法的收敛性.半二次优化技术被用来求解相关熵目标函数.在每次迭代中,复杂的信息论优化问题被简化为标准的半监督学习问题.典型机器学习数据集上的仿真实验结果表明,在标签噪声和遮挡噪声的情况下,该算法能够有效地提高半监督学习算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秀坤	大连理工大学计算机科学与技术学院	124	1429	18.0	31.0
2	杨南海	大连理工大学计算机科学与技术学院	14	198	8.0	14.0
3	黄明明	大连理工大学计算机科学与技术学院	1	25	1.0	1.0