基于最优传输的标签传播
机器学习
2021-10-05 v1
摘要
在本文中，我们解决了转导式半监督学习问题，该问题旨在根据 Vapnik 原则对给定的无标签数据点获得标签预测。我们提出的方法基于最优传输，这是一门已成功用于解决各种机器学习问题的数学理论，并正开始在半监督学习领域吸引新的关注。所提出的方法，最优传输传播（OTP），以增量过程执行，通过完全二分边加权图的边进行标签传播，其亲和矩阵由定义在有标签和无标签数据上的经验测度之间的最优传输计划构建。OTP 通过使用基于香农熵的确定性分数控制传播过程，确保了高度预测确定性。我们还提供了算法的收敛性分析。实验任务显示了所提方法优于当前最优（SOTA）方法的性能。我们公开了代码。
引用
@article{arxiv.2110.01446,
title = {Label Propagation Through Optimal Transport},
author = {Mourad El Hamri and Younès Bennani and Issam Falih},
journal= {arXiv preprint arXiv:2110.01446},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2103.11937