基于多视图未标记数据的机器学习

来源 :计算机与现代化 | 被引量 : 0次 | 上传用户:ye14382163
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
半监督学习和主动学习,与传统的监督学习不同,能同时在少量的已标记数据和大量的未标记数据上进行学习,从而提高性能。半监督学习和主动学习,最初是建立在单视图数据上的,但最近的研究表明对多视图数据,它们也能产生很好效果。本文综述多视图数据半监督学习和主动学习基本思想、常用算法和最新研究进展,并指出需进一步研究的几个问题。
其他文献
随着电子病历系统等一些临床信息系统的广泛使用,如何从医院的病历数据库中挖掘出更有价值的医学信息已成为当今一个研究热点。针对面向电子病历的医学数据挖掘,本文探讨和总
为了让岸上观察人员“身临其境”地了解ROV( Remote Operated Vehicle )的水下工作情况,结合ROV反馈的各种数据,开发一个三维虚拟平台,逼真地展现ROV的实时水下运动状态。以3DS Ma
容迟网络是一类由移动设备组成的新型网络体系,近年来的研究对其提出了许多路由方案。但是现有的路由方案大都缺乏有效的安全方案和激励机制。本文结合Spray&Wait路由算法,提出
传统的向量空间模型表示文本的缺点是向量维数高,向量空间模型中一个文本是一个大的稀疏矩阵,计算文本之间的距离或者相似度时,算法的效率低,聚类效果不理想。在主题模型(Late
为了弥补蚁群算法搜索时间长,容易出现停滞的缺点,本文在前人研究的基础上,提出建立检测区的策略,算法在检测区内每迭代m次,就检测一次算法是否陷入局部最优。在停滞发生的情况下,