![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
半监督学习
poilkj110
这个作者很懒,什么都没留下…
展开
-
结合图拉普拉斯的半监督学习
摘要:在半监督学习中一个基本的问题是对于潜在数据如何建造图。我们提出使用结合一系列不同的构造图方法。我们计算最优的结合核函数。这个核解决了一个拓展的regularization问题,其要求一个共同最小包括数据和图核集合。我们呈现很好的结果在不同的OCK任务上,最优结合核实从由不同的距离函数和不同的k近邻得到的图。 1 简介 半监督学习的观点是未标记数据可能可以被用来提高学习器的表现在一个监督任务原创 2017-11-15 21:11:39 · 2127 阅读 · 0 评论 -
标签传播笔记
4.2 图拉普拉斯 我们引入一个重要指标:组合拉普拉斯△\bigtriangleup。 D表示对角度矩阵,其中Dii=∑jWijD_{ii} = \sum_j W_{ij}为节点i的度。拉普拉斯定义为△=D−W\bigtriangleup = D - W.对于能量函数满足: E(f)=12∑ijwij(f(i)−f(j))2=fT△fE(f) = \frac{1}{2} \sum_{ij}w_{原创 2017-11-21 21:41:31 · 996 阅读 · 0 评论