第二章 半监督学习方法_刘建伟_刘媛_罗雄麟.pdfVIP

网络出版时间：2014-08-28 19:17 网络出版地址：/kcms/detail/11.1826.TP1917.005.html 第37 卷 计 算 机 学 报 Vol.37 20 14 论文在线出版号 No.39 CHINESE JOURNAL OF COMPUTERS Online P blishing No.39 半监督学习方法 1) 1) 1) 刘建伟 ，刘媛 ，罗雄麟 1)( 中国石油大学自动化研究所，北京 中国 102249) 摘 要 半监督学习研究如何同时利用有类标签的样本和无类标签的样例改进学习性能，成为近年来机器学习领域的研究 热点。鉴于半监督学习的理论意义和实际应用价值，系统综述了半监督学习方法。首先概述了半监督学习的相关概念，包括 半监督学习的定义、半监督学习研究的发展历程、半监督学习方法依赖的假设以及半监督学习的分类，然后分别从分类、回 归、聚类和降维这四个方面详述了半监督学习方法，接着从理论上对半监督学习进行了分析并给出半监督学习的误差界和样 本复杂度，最后探讨了半监督学习领域未来的研究方向。 关键词 半监督学习；有类标签的样本；无类标签的样例；类标签；成对约束 中图分类号 TP 181 论文引用格式 刘建伟，刘媛，罗雄麟. 半监督学习方法. 计算机学报，20 14 ，Vol.37 ：在线出版号No.39 LIU Jian-wei，LIU Y an ，LUO Xiong-lin. Semi-S pervised Learning Methods. Chinese Jo rnal of Comp ters,2014, Vol.37: Online P blishing No.39 Semi-Supervised Learning Methods LIU Jian-wei1), LIU Y an1), LUO Xiong-lin1) 1)(Research Instit te of A tomation, China University of Petrole m, Beij ing 102249, China) Abstract Semi-s pervised learning is sed to st dy how to improve performance in the presence of both