[转载]近期论文阅读计划

[转载]近期论文阅读计划(2010-06-19 12:33:01)转载原文  

2010-07-12 21:29:32|  分类： 机器学习|举报|字号 订阅

http://blog.sina.com.cn/s/blog_6833a4df0100j9r7.html

原文地址：近期论文阅读计划作者：gaohaidong
1.流形学习方面：
JMLR 或者 TPAMI 上的《Manifold Learning: The Price of Normalization》(04-06日把这篇文章看完了，看了两篇，不过因为以前都是看算法，没有看理论分析，所以还是不太懂。）
TPAMI 上的《Reimannian Manifold Learning》（04-14日和16日把这篇看了一部分，结果没怎么看懂。）
杨易师兄那篇文章的后面部分看完。 （看完了，好像还有地方有小错误。） 
Image Analysis 上的《Fast Manifold Learning Based on Reimannian Normal Coordinates》，这篇和在RML之前，开始用从切空间找法坐标的方法来做的。(04-19日把这篇文章看完了。还有点小问题就是算法的第四步。有时间去问作者要要代码或者自己动手写。。)
ICCV 2007 上蔡登的《Spectral Regression for Efficient Regularized Subspace Learning》。（04-23日把这篇文章看完了。蔡登写的还是不错的，算法确实也降低了时间的复杂度，有时间把里面的推导全部实现，然后把实验跑跑。。。）
NIPS 2003 上的《Charting a Manifold》
AISTATS 2005 上的《On Manifold Regularization》
JMLR 2006 上的《Manifold Regularization：A Geometric Framework for Learning from Labeled and Unlabeled Examples》
ICML 2005 上沙飞的《Analysis and Extension of Spectral Methods for Nonlinear Dimensionality Reduction》
ICML 2007 上沙飞的《Regression on Manifolds Using Kernel Dimension Reduction》
ICML 2009 上的《Structure Preserving Embedding》
《Principal Manifolds and Nonlinear Dimensionality Reduction via Tangent Space Alignment》
 
2.谱聚类方面：
NIPS 上的《On Spectral Clustering：Analysis and Algorithm》（04-10日晚上把这篇文章看完了，不过有待整理。）
3.稀疏方面：
回顾一下NMF的东西和SNMF的东西。结合NMF的教程和矩阵计算这本书一起看。
4-13日晚把NMF的一个教程看完了，那个教程写得很好。
JMLR 2004 上的《Non-negative matrix factorization with sparseness constraints》
4.半监督方面：
Dengyong Zhou的：
NIPS 2004 上的《Learning with Local and Global Consistency》（04-10下午看完了，4-12到13实现了它，并且参数也调好了。）
NIPS 2004 上的《Ranking on Data Manifolds》》（04-14下午看完了，其实和上面那篇差别不是太大，也就是说没有什么新意，流形上的排序和聚类其实是一回事。另外，这种基于流形的关系传播就是两篇文章或者说很多文章的核心idea。）
ICML 2004 上的《A Regularization Framework for Learning from Graph Data》（04-15下午看完了，还有些小的地方不太懂。）
Xiaojin Zhu的：
ICML 2003《Semisupervised learning with Gaussian Fields and Harmonic Function》（04-18下午看完了，还有些小的地方不太懂。）
《Semi-supervised learning literature survey》
5.图像方面：
NIPS 2009 上的《An Online Algorithm for Large Scale Image Similarity Learning》
NIPS 2009 上的《Semi-Supervised Learning in Gigantic Image Collections》（04-21晚上看了一点，没看完，有些地方不懂。04-23日下午把剩下的看完了，结果不懂的还是不懂。我总会搞懂你的。）
NIPS 2009 上的《Non-Parametric Bayesian Dictionary Learning for Sparse Image Representations
6.回归方面：
NIPS 2009 上的《Fast, smooth and adaptive regression in metric spaces》
NIPS 2009 上的《Semi-supervised Regression using Hessian Energy with an Application to Semi-  supervised Dimensionality Reduction》
7.经典方面： 
TPAMI 2006 上 陶大成 的《Asymmetric bagging and random subspace for support vector machines-based relevance feedback in image retrieval》
TPAMI 2009 上 陶大成的《Geometric Mean for Subspace Selection》
8.理论方面
NIPS 2009 上张志华的《Optimal Scoring for Unsupervised Learning》
NIPS 2009 上张志华的《Probabilistic Relational PCA》
《Robust Principal Component Analysis?》
NIPS 2009 上Yi Ma的《Robust Principal Component Analysis: Exact Recovery of Corrupted Low-Rank Matrices by》
Convex Optimization
9.应用
CVPR 2009 上的《Regularized Multi-Class Semi-Supervised Boosting》
TPAMI 2009 上Yi Ma的《Robust Face Recognition via Sparse Representation》
10.其他 
TPAMI 2009 上的《Linear Neighborhood Propagation and Its Applications》（04-21把算法流程看完了，LLE用于分类。这个文章被师兄说水了，叫我不要看。其实还是有地方不太懂的，Mean Fields尤其是如此。）
TPAMI 2009 上的《Natural Image Statistics and Low-Complexity Feature Selection》
TPAMI 2009 上的《A Constant-Time Algorithm for Finding Neighbors in Quadtrees》 
ICML 《Hierarchical Gaussian Process Latent Variable Models》
ICML 2008 上的《Bayesian Probabilistic Matrix Factorization using Markov Chain Monte Carlo》
ICCV 2007 上的《Learning Gaussian Conditional Random Fields for Low-Level Vision》
《Learning with labeled and unlabeled data》