Модифікація алгоритму напівкерованого навчання на основі випадкових гаусівських полів та гармонічних функцій
DOI:
https://doi.org/10.18372/1990-5548.76.17664Ключові слова:
машинне навчання, напівкероване навчання, поширення мітки, Гауссові випадкові поля, k найближчих сусідів, гармонічні функціїАнотація
У статті запропоновано вдосконалення алгоритму напівкерованого навчання, заснованого на гауссових випадкових полях і гармонічних функціях. Напівкероване навчання на основі гаусових випадкових полів і гармонійних функцій – це метод напівкерованого навчання на основі графів, який використовує подібність точок даних для з’єднання немаркованих точок даних із позначеними точками даних, таким чином досягаючи розповсюдження міток. Запропоноване вдосконалення стосується способу визначення подібності між двома точками за допомогою гібридного ядра RBF-kNN. Це вдосконалення робить алгоритм більш стійким до шуму та покращує розповсюдження міток з урахуванням локальності. Запропоноване вдосконалення перевірено на п’яти синтетичних наборах даних. Результати вказують на відсутність покращень для наборів даних із великим запасом між класами, однак у наборах даних із низьким запасом запропонований підхід із гібридним ядром перевершує існуючі алгоритми з простим ядром.
Посилання
Zhu Xiaojin, and Zoubin Ghahramani, "Learning from labeled and unlabeled data with label propagation," ProQuest Number: INFORMATION TO ALL USERS, 2002.
Zhu, Xiaojin, Zoubin Ghahramani, and John D. Lafferty, "Semi-supervised learning using gaussian fields and harmonic functions," In Proceedings of the 20th International conference on Machine learning (ICML-03), 2003, pp. 912–919.
Peter G. Doyle, and J. Laurie Snell, "Random walks and electric networks," vol. 22, American Mathematical Soc., 1984. https://doi.org/10.5948/UPO9781614440222
Wu, Xiao-Ming, Zhenguo Li, Anthony So, John Wright, and Shih-Fu Chang, "Learning with partially absorbing random walks," Advances in neural information processing systems, 25, 2012.
Zhu, Xiaojin, John Lafferty, and Ronald Rosenfeld, "Semi-supervised learning with graphs (Ph. D. thesis)," Pittsburgh, PA, USA, 2005.
Jebara, Tony, Jun Wang, and Shih-Fu Chang, "Graph construction and b-matching for semi-supervised learning," In Proceedings of the 26th annual international conference on machine learning, 2009, pp. 441–448.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
