阅读 Label Propagation through Linear Neighborhoods 感想

文章 Label Propagation through Linear Neighborhoods  中给出了一种类别转移的方法，通过迭代对未标记样本进行标记。

公式中ti是最初始的样本类别，w_ij 是权重。通过迭代获得最后的未标记样本的类别。

通过分析得到，最后的收敛的解是和公式（13）是一致的。

特点：

1：不用求矩阵的逆。

2：在构造w_ij的时候利用 和LLE类似的思想进行求解，利用最相近的几个样本来对当前样本进行表示。

思考：

1：权矩阵的构造是否可以结合标记样本的类别信息，既是：如果两个样本的类别一样，则对应的权重给的比较大，既是，在每一次迭代中，都更新W，

对应的公式既是 f^m+1 = a sum W(f^m) f^m +(1-a) t.

2：但是这样做的问题在于：是否收敛？如何构造W(f^m)？原本的类别转移是通过权重，将类别从有标记的样本转移到没有标记的样本中，但是，如果在构造W  的时候引入类别信息，则已经有类别信息的样本之间的权重比较大，没有类别的样本与有类别的样本之间的权重比较小，导致最后不收敛（这里收敛是指，未标记样本始终不能被标记）？？？

3：计算量仍然是一个问题，这里虽然没有矩阵求逆，但是，全部的样本放在一起构成的n*n的矩阵也是太大。