面向混合标签传播的集成教学算法
计算机视觉与模式识别
2019-04-09 v1
摘要
标签传播旨在将标签信息从有标签样本通过相似图迭代扩散至无标签样本。当前的标签传播算法无法持续产生令人满意的性能，原因有二：一是单一传播方法在处理各类实际数据时不稳定，二是传播顺序不当忽视了不同样本标注的难度。为弥补上述缺陷，本文提出一种称为集成教学下的混合扩散（HyDEnT）的新颖传播算法。具体而言，HyDEnT集成多种传播方法作为基学习器以充分挖掘各自智慧，这有助于HyDEnT保持稳定并获得一致的鼓舞人心的结果。更重要的是，HyDEnT在一组教师集成的指导下进行传播。也就是说，在每一轮传播中，最简单的课程样本由一个教学算法明智地指定，从而其标签可由学习器可靠且准确地决定。为最优选择这些最简单样本，集成中每位教师都应从自身视角综合考量样本难度，以及所有教师共享的共识知识。这通过一个设计的优化问题实现，该问题可通过块坐标下降法高效求解。得益于教师的努力，所有无标签样本按从易到难的逻辑顺序传播，使HyDEnT的传播质量优于现有方法。
引用
@article{arxiv.1904.03828,
title = {Ensemble Teaching for Hybrid Label Propagation},
author = {Chen Gong and Dacheng Tao and Xiaojun Chang and Jian Yang},
journal= {arXiv preprint arXiv:1904.03828},
year = {2019}
}