流形标定点的统一框架
机器学习
2018-10-17 v2
摘要
半监督流形学习的成功高度依赖于标记样本的质量。主动流形学习旨在从给定样本集中选择并标记流形上的代表性标定点，以提升半监督流形学习的性能。本文提出了一种基于流形标定点统一框架的新型主动流形学习方法。具体而言，该方法结合了几何流形标定点方法与代数方法。我们利用 Gershgorin 圆盘定理构建了一个学习误差的上界，该上界依赖于标定点和流形的对齐矩阵，从而同时捕捉了几何与代数准则。随后，我们通过迭代删除与所选标点对应的 Gershgorin 圆盘来最小化该上界，从而选择标定点。我们还通过仿真分析了该方法的复杂度、可扩展性和鲁棒性，并证明了其优于现有方法。回归与分类实验进一步验证了该方法的表现优于竞争对手。
引用
@article{arxiv.1710.09334,
title = {A unified framework for manifold landmarking},
author = {Hongteng Xu and Licheng Yu and Mark Davenport and Hongyuan Zha},
journal= {arXiv preprint arXiv:1710.09334},
year = {2018}
}