-
题名基于最大相关熵准则的鲁棒半监督学习算法
被引量：8
- 1
-
-
作者
杨南海
黄明明
赫然
王秀坤
-
机构
大连理工大学计算机科学与技术学院
模式识别国家重点实验室(中国科学院自动化研究所)
-
出处
《软件学报》
EI
CSCD
北大核心
2012年第2期279-288,共10页
-
基金
国家自然科学基金(60873054
50909012)
国家教育部高等学校博士学科点专项科研基金(20100041120009)
-
文摘
分析了噪声对半监督学习Gaussian-Laplacian正则化(Gaussian-Laplacian regularized,简称GLR)框架的影响,针对最小二乘准则对噪声敏感的特点,结合信息论的最大相关熵准则(maximum correntropy criterion,简称MCC),提出了一种基于最大相关熵准则的鲁棒半监督学习算法(简称GLR-MCC),并证明了算法的收敛性.半二次优化技术被用来求解相关熵目标函数.在每次迭代中,复杂的信息论优化问题被简化为标准的半监督学习问题.典型机器学习数据集上的仿真实验结果表明,在标签噪声和遮挡噪声的情况下,该算法能够有效地提高半监督学习算法性能.
-
关键词
半监督学习
gaussian-laplacian正则化
相关熵
鲁棒
半二次优化
-
Keywords
semi-supervised learning
gaussian-laplacian regularized
correntropy
robust
half quadratic optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
