一种网页分类中基于图的半指导学习算法

提出一种基于图的半指导学习算法用于网页分类。采用k近邻算法构建一个带权图,图中节点为已标志或未标志的网页,连接边的权重表示类的传播概率,将网页分类问题形式化为图中类的概率传播。为有效利用图中未标志节点辅助分类,结合网页的内容信息和链接信息计算网页间的链接权重,通过已标志节点,类别信息以一定概率从已标志节点推向未标志节点。实验表明,本文提出的算法能有效改进网页分类结果。

在线半指导学习的视频分割与跟踪算法

提出了一种在线半指导学习的视频分割与跟踪算法。该算法首先对视频图像进行无指导分割,在此基础上利用在线半指导学习分类器对前景目标进行识别,完成目标的分割与跟踪;采用聚类分析自动确定前景不同特征区域的样本比例,完成增量学习分类器初始化训练;在协同训练样本更新过程中采用视角一致性原则选择样本更新分类器。该算法充分结合了视频图像的全局信息和局部信息,同时完成目标的准确分割与跟踪,并且通过初始化样本聚类分析和协同训练中样本选择更新规则提高了在线学习分类器的识别的准确性和稳定性。实验表明,该方法在保证低时间开销的前提下,显著提高了视频分割与跟踪的准确度。

机器学习及其相关算法综述

自从计算机被发明以来,人们就想知道它能不能学习。机器学习从本质上是一个多学科的领域。它吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果。文章主要从统计学习基础的角度对机器学习的发展历程以及一些相关的常用算法进行了简要的回顾和介绍。

基于相近原则的半指导直推学习机及其增量算法

半指导问题是近来机器学习研究中的备受关注一个重要内容．本文以满足“在输入空间中相近的对象其输出也相近”这一源于直观事实的原则(相近原则)去解决半指导学习问题,给出在这个原则下的一个一般的直接推理方法—基于相近原则的半指导问题直推学习机,得到了这个问题的解析解及迭代算法,用模式分类实例验证该方法的有效性,并给出适于在线处理的增量学习算法,这些增量算法尤其还适于新增了有指导的信息的场合．

基于相近原则的半指导直推学习机

机器学习研究中的一个重要课题是如何有效结合已标识数据和未标识数据去推断未标识点标识.本文利用相近原则和直推方法求解这个问题.源于直观事实的相近原则是指"在输入空间中相近的对象其输出也相近".为求得满足这个原则的半指导学习问题的解,我们给出了作为一般方法的基于相近原则的半指导问题直推学习机.得到解的解析表达和迭代算法,公式形式简洁,计算实现容易.给出实例验证该方法在解决实际问题中的有效性,并用图例与支撑向量机和半指导支撑向量机的解作了对比.