【self-taught learning】学习论文以及代用代码

【self-taught learning】快速稀疏编码算法

 

Self-taught learning是Honglak Lee等开发的一个matlab框架，能够实现他们在论文Self-taught Learning Transfer Learningfrom Unlabeled Data和Efficient sparse coding algorithms中提出的快速实现图像稀疏编码的算法。

 

先看第一篇论文《Self-taught Learning：Transfer Learning from Unlabeled Data》

 

主要思想：

在监督分类算法的数据中，加入部分unlabel的数据，未标数据不一定和训练集数据从属同一类类别，在建模过程中，首先根据未标数据训练出一组基，然后对训练集的数据用该空间的基表示，最后使用SVM或其他分类算法进行分类。

 

PS.

这种方法不同于semi-supervised learning，后者需要加入的未标数据，必须跟训练集具有相同类型的类别，例如想要对大象和犀牛的图像集分类，就必须加入大象和犀牛的未标图像，而self-taught learning可以加入任意图像比如自然景色等。

加入未标数据是为了使图像的特征变得稀疏，能够加速训练的计算速度。