一种应用稀疏高斯过程回归模型的半监督分类算法

高斯过程（GPS）是一种良好的贝叶斯分类方法和回归过程，也可应用于半监督聚类方面，就此提出了一个新的算法：使用稀疏高斯过程回归模型来解决半监督二元分类问题，它是基于支持向量回归（SVR）和最大空间聚类（MMC）的半监督分类方法，此算法简单且易于实现，不同于SVR算法的稀疏解决方案。另外，超参数的估计也不再使用复杂的交叉验证技术，利用稀疏高斯回归模型有助于提高算法的可扩展性：使用合成的和真实世界的数据集初步验证了该算法的有效性。