基于半监督假设的半监督稀疏度量学习

• 作者: 李炜 王倩影
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 度量学习 半监督学习 半监督假设 稀疏
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 134-138
• 页数: 5页
• 分类号: TP39
• 字数: 4088字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.024

摘要

传统的有监督度量学习算法没有利用大量存在的无标记样本,且得到的度量矩阵复杂,难以了解不同原始特征的重要程度.针对这些情况,提出基于半监督假设的半监督稀疏度量学习算法.根据三样本组约束建立间隔损失函数;基于平滑假设、聚类假设、流形假设这三个半监督假设建立半监督正则项,并利用L1范数建立稀疏正则项;利用梯度下降法求解目标函数.实验结果表明,该算法学习得到的度量能有效地使不同类别的样本间距离增大,度量矩阵具有稀疏性,分界面穿过低密度区域,该算法在UCI的样本数据集上具有良好的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王倩影	河北经贸大学数学与统计学学院	3	1	1.0	1.0
2	李炜	河北经贸大学数学与统计学学院	2	0	0.0	0.0