电脑与电信
電腦與電信
전뇌여전신
COMPUTER & TELECOM
2013年
11期
35-37
,共3页
核学习%半监督学习%标签传播%和谐函数%支持向量机
覈學習%半鑑督學習%標籤傳播%和諧函數%支持嚮量機
핵학습%반감독학습%표첨전파%화해함수%지지향량궤
kernel learning%semi-supervised learning%label propagation%harmonic function%support vector machine
一个好的核函数能提升机器学习模型的有效性，但核函数的选择并不容易，其与问题背景密切相关，且依赖于领域知识和经验。核学习是一种通过训练数据集寻找最优核函数的机器学习方法，能通过有监督学习的方式寻找到一组基核函数的最优加权组合。考虑到训练数据集获取标签的代价，提出一种基于标签传播的半监督核学习方法，该方法能够同时利用有标签数据和无标签数据进行核学习，通过半监督学习中被广泛使用的标签传播方法结合和谐函数获得数据集统一的标签分布。在UCI数据集上对提出的算法进行性能评估，结果表明该方法是有效的。
一箇好的覈函數能提升機器學習模型的有效性，但覈函數的選擇併不容易，其與問題揹景密切相關，且依賴于領域知識和經驗。覈學習是一種通過訓練數據集尋找最優覈函數的機器學習方法，能通過有鑑督學習的方式尋找到一組基覈函數的最優加權組閤。攷慮到訓練數據集穫取標籤的代價，提齣一種基于標籤傳播的半鑑督覈學習方法，該方法能夠同時利用有標籤數據和無標籤數據進行覈學習，通過半鑑督學習中被廣汎使用的標籤傳播方法結閤和諧函數穫得數據集統一的標籤分佈。在UCI數據集上對提齣的算法進行性能評估，結果錶明該方法是有效的。
일개호적핵함수능제승궤기학습모형적유효성，단핵함수적선택병불용역，기여문제배경밀절상관，차의뢰우영역지식화경험。핵학습시일충통과훈련수거집심조최우핵함수적궤기학습방법，능통과유감독학습적방식심조도일조기핵함수적최우가권조합。고필도훈련수거집획취표첨적대개，제출일충기우표첨전파적반감독핵학습방법，해방법능구동시이용유표첨수거화무표첨수거진행핵학습，통과반감독학습중피엄범사용적표첨전파방법결합화해함수획득수거집통일적표첨분포。재UCI수거집상대제출적산법진행성능평고，결과표명해방법시유효적。
A good kernel function can improve the performance of machine learning models. However,it is not easy to properly determine a kernel since it is closely related to application background and relies on domain knowledge and experience. Kernel learning is a machine learning method which seeks an optimal kernel function with a given training data set. It often seeks an optimal weighted combination of a pre-defined set of base kernel functions. Considering the cost of acquiring labeled training samples,we propose a semi-supervised kernel learning method based on label propagation,which makes use of labeled and unlabeled samples simutaneously to perform kernel learning,and applies label propagation method,a popular method in semi-supervised learning,combined with harmonic function to obtain a unified distribution of the whole data set. The proposed metod is evaluated on the UCI benchmark data set and the results show its effectiveness.
