基于转换学习的半监督分类

作者：康昭; 刘亮; 韩蒙

来源：计算机研究与发展, 2022, 1-9.

• 半监督分类
• 转换学习
• 图构建
• 标签传播
• 表征学习

近年来，基于图的半监督分类是机器学习与模式识别领域的研究热点之一．该类方法一般通过构造图来挖掘数据中隐含的信息，并利用图的结构信息来对无标签样本进行分类，因此半监督分类的效果严重依赖于图的质量，尤其是图的构建方法和数据的质量．为解决上述问题，提出了一种基于转换学习的半监督分类算法（semi-supervised classification based on transformed learning，TLSSC）．不同于已有的大多数半监督分类方法，此方法试图学习到一个转换空间，并在该空间上构建图，进行标签传播．具体来说，此方法建立了一个统一的联合优化框架，其由3个部分组成：第一，使用转换学习将原始数据映射到转换空间中；第二，借鉴数据自表示思想，在转换空间上学习一个图；第三， 在图上进行标签传播．这3个步骤交替进行、互相促进，避免低质量图导致的次优解．通过对人脸和物品数据集进行实验，结果表明，本文提出的TLSSC算法在大部分情况下优于现有的其他算法．

• 单位
  电子科技大学