半监督组稀疏表示:模型、算法与应用(ECAI 2016论文精选)| AI科技评论
导读:ECAI 2016是欧洲展示AI科学成果的最佳场所,大会为研究人员提供了很好的机会,去介绍和听取当代最优秀的人工智能研究成果。
半监督组稀疏表示:模型、算法与应用(Semi-Supervised Group Sparse Representation:Model, Algorithm and Applications)
摘要:组稀疏表示(GSR)利用了数据中的组结构,并在许多问题上效果很好。 然而,该组结构必须事先手动给出。在许多实际情况下,如分类,样本都是根据他们的标签进行分组的。在这种情况下,构建一个一致的组结构确实不容易。其原因有:1)样本可能被错误地标记;2)标签分配到大数据中非常费时且成本高。在本文中,我们提出并制定了一个新的问题,用半监督组稀疏表示(SS-GSR)支持标记和未标记数据中的组稀疏表示。同时学习一个更强大的组结构,它可以被进一步利用以更有效地代表其他未标记的数据。我们开发了一个模型来解决SS—GSR问题,它基于子空间分割中的流形假设,即同一组中样本特征空间紧密联系在一起且跨越相同的子空间。我们还提出了一个交替算法来解决模型。最后,我们通过大量的实验验证了该模型。
第一作者简介Longwen Gao
任职:上海市智能信息处理重点实验室,复旦大学计算机科学院博士
研究方向:数据挖掘,人工神经网络,人工智能
相关学术论文:
·“Effectively classifying short texts by structured sparse representation with dictionary filtering”
文章总结及应用场景本文中,我们提出并制定了半监督GSR(SS-GSR)对含标记和未标记的数据集进行组稀疏表示。它可以克服传统GSR的两大缺陷:1)在GSR中预定义组结构可能与数据中不完全一致;2)GSR中未利用未标记数据的潜在组结构。相比于GSR,SS-GSR可以利用标记数据的先验组结构和未标记数据的组结构信息。相比于SSL方法,SS-GSR可以从数据中自动的学习结构化亲和矩阵,而不是使用一个固定的。
我们将SS-GSR应用于监督和半监督分类任务,验证了SS-GS的有效性和优越性。
via:ECAI 2016
PS : 本文由雷锋网(公众号:雷锋网)独家编译,未经许可拒绝转载!
原论文下载
雷锋网原创文章,未经授权禁止转载。详情见转载须知。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/60786.html
aliyuniPhoneLGPhone人工智能相关文章
- [算法]-最短路径算法总结「建议收藏」
- c# 非阻塞算法_c# – 了解非阻塞线程同步和Thread.MemoryBarrier
- 标准粒子群算法(PSO)及其Matlab程序和常见改进算法_粒子群算法应用实例
- 【沥血整理】灰度(二值)图像重构算法及其应用(morphological reconstruction)。
- 强化学习常用算法+实际应用 ,必须get这些核心要点!
- hash一致性算法以及应用场景_什么不是算法的基本特性
- MD5算法应用
- 七日算法先导(七)——字符串
- 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-3 算法训练 K好数
- 【DSP视频教程】第11期:插补算法,曲线拟合丝滑顺畅,统计函数和基础函数加速实现,汇集SIMD,饱和和MAC乘累加应用实战(2023-02-12)
- 顺序表应用3:元素位置互换之移位算法(SDUT 3326)
- Manacher 算法
- 【计算机网络】网络安全 : 报文鉴别 ( 密码散列函数 | 报文摘要算法 MD5 | 安全散列算法 SHA-1 | MAC 报文鉴别码 )
- 【博士论文】图神经网络表达性:理论、算法与应用
- 回溯算法的经典应用 - 排列与组合
- 蚁群算法应用到监控软件中之后都有什么作用
- 克鲁斯卡尔算法在电脑监控软件中应用使其更加高效
- 算法-丑数详解编程语言
- 并非完全依赖算法:苹果自称雇佣 500 人手动审核每份应用提交申请
- 关于PHP递归算法和应用方法介绍
- 深入N皇后问题的两个最高效算法的详解