一种简洁局部全局一致性学习  

Barebones learning with local and global consistency

作　　者：王雪松[1] 张晓丽[1] 程玉虎[1] 

机构地区：[1]中国矿业大学信息与电气工程学院,江苏徐州221116

出　　处：《控制与决策》2011年第11期1726-1730,1734,共6页Control and Decision

基　　金：国家自然科学基金项目(60804022;60974050;61072094);教育部新世纪优秀人才支持计划项目(NCET-08-0836);霍英东教育基金会青年教师基金项目(121066);江苏省自然科学基金项目(BK2008126)

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α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.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 α.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.

关 键 词：半监督学习 局部全局一致性学习 参数选择 标签传递 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]