利用标签信息构建图用于半监督学习
计算机视觉与模式识别
2017-02-14 v3
摘要
在文献中，大多数现有的基于图的半监督学习（SSL）方法仅在标签传播阶段使用观测样本的标签信息，而在学习图时忽略了此类宝贵信息。在本文中，我们认为在图学习阶段考虑标签信息是有益的。具体而言，通过强制不同类标记样本之间的边权重为零，我们将标签信息显式地纳入最先进的图学习方法中，如低秩表示（LRR），并提出了一种名为半监督低秩表示（SSLRR）的新型半监督图学习方法。这产生了一个具有线性约束的凸优化问题，可通过线性化交替方向法求解。虽然我们以 LRR 为例，但我们提出的方法实际上非常通用，可应用于任何自表示图学习方法。在合成和真实数据集上的实验结果表明，所提出的图学习方法能更好地捕捉数据的全局几何结构，因此对半监督学习任务更有效。
引用
@article{arxiv.1607.02539,
title = {Graph Construction with Label Information for Semi-Supervised Learning},
author = {Liansheng Zhuang and Zihan Zhou and Jingwen Yin and Shenghua Gao and Zhouchen Lin and Yi Ma and Nenghai Yu},
journal= {arXiv preprint arXiv:1607.02539},
year = {2017}
}
备注
This paper is withdrawn by the authors for some errors