菲利普·里戈莱特 聚类假设下半监督分类的泛化误差界。 （英语） Zbl 1222.68288号 J.马赫。学习。物件。 8, 1369-1392 (2007). 摘要：当部分可用数据未标记时，我们考虑半监督分类。当我们假设回归函数的行为与边际分布的行为相关时，这些未标记的数据对于分类问题很有用。Seeger提出了众所周知的集群假设，认为这是合理的。我们提出了这一假设的数学公式和一种基于密度水平集估计的方法，该方法利用它在未标记示例数和标记示例数方面实现了快速收敛。 引用于15文件 MSC公司： 68T05年 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：半监督学习;统计学习理论;分类;集群假设;泛化界限 PDF格式BibTeX公司 XML格式引用 \textit{P.Rigollet}，J.Mach。学习。第8号决议，1369--1392（2007年；Zbl 1222.68288） 全文： 链接