一种简洁局部全局一致性学习
DOI:
CSTR:
作者:
作者单位:

1. 中国矿业大学信电学院
2. 中国矿业大学

作者简介:

王雪松

通讯作者:

中图分类号:

基金项目:

国家自然科学基金;教育部新世纪优秀人才支持计划;霍英东教育基金会青年教师基金;江苏省自然科学基金


Barebones learning with local and global consistency
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对局部全局一致性学习(LLGC) 算法的分类精度在很大程度上取决于控制参数的合理设置问题, 提出一
    种少参数的简洁局部全局一致性学习(BB-LLGC). 简化图上的目标函数, 使其不受参数alpha的影响. 另外, 在标签传递
    过程中, 仅将未标记样本的标签根据相似度传递给其近邻, 而将已标记样本的标签强制填回以确保标签传递源头的
    准确性. UCI 数据集的实验结果表明, 与LLGC 相比, BB-LLGC 不仅控制参数少、使用简单, 而且分类精度高、收敛速
    度快.

    Abstract:

    Based on the analysis of the classification accuracy of the learning with local and global consistency(LLGC)
    algorithm being influenced greatly by a suitable setting of parameters, a kind of barebones LLGC(BB-LLGC) algorithm with
    less parameters is proposed. The objective function defined on a graph is simplified to make it not be influenced by parameter
    alpha. During the label propagation process, only the predicted labels of unlabeled samples are propagated to its neighbors
    according to a similarity metric, while the labels of labeled samples are kept unchanged so as to ensure the correctness of
    the source of label propagation. Experimental results concerning on several UCI datasets show that, compared with LLGC,
    the BB-LLGC has advantages of less control parameters, simple operation procedure, high classification accuracy and fast
    convergence speed.

    参考文献
    相似文献
    引证文献
引用本文

王雪松 张晓丽 程玉虎.一种简洁局部全局一致性学习[J].控制与决策,2011,26(11):1726-1730

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-07-21
  • 最后修改日期:2010-11-01
  • 录用日期:
  • 在线发布日期: 2011-11-20
  • 出版日期:
文章二维码