×
胡西克·崔;Kim，Jinseog先生;金永代（Kim，Yongdai）

一种稀疏的大边缘半监督学习方法。 （英语） Zbl 1294.62135号

J.韩国统计学会。 39，第4期，479-487（2010）.
摘要：我们提出了一种稀疏半监督学习方法，该方法结合了大裕度方法和\（L_{1}\）约束。本文的主要贡献是开发了一种高效的优化算法。大裕度半监督学习方法中要最小化的目标函数是非凸且不可微的，因此需要特殊的优化算法。为此，我们开发了一种优化算法，它是CCCP和梯度LASSO算法的混合。与现有的半监督学习方法相比，该方法的优点是可以识别少量相关输入变量，同时保持较高的预测精度。此外，该算法非常简单，可以应用于各种实际问题，而不受计算限制的限制。为了证实这些优点，我们通过分析模拟数据集和实际数据集，将该方法与标准半监督方法进行了比较。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62J07型 岭回归；收缩估计器（拉索）

关键词：

半监督学习;支持向量机;CCCP公司;梯度LASSO

软件：

套索
PDF格式BibTeX公司 XML格式引用
\textit{H.Choi}等人，J.Korean Stat.Soc.39，No.4，479--487（2010；Zbl 1294.62135）
全文： 内政部

参考文献：

[1] An，L。；Tao，P.，用D.C.算法求解一类线性约束的不定二次型问题，《全局优化杂志》，11，253-285（1997）·Zbl 0905.90131号
[2] O.布斯克。；沙佩尔，O。；Hein，M.，基于测量的正则化，（《神经信息处理系统的进展》，第16卷（2004年），麻省理工学院出版社：麻省理工学院出版社，马萨诸塞州剑桥）
[3] 贝尔金，M。；Niyogi，P.，黎曼流形上的半监督学习，机器学习，56209-239（2004）·Zbl 1089.68086号
[4] Bennett，K。；Demiriz，A.，《半监督支持向量机》，（神经信息处理系统进展，第10卷（1998年），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥）
[5] 沙佩尔，O。；Zien，A.，通过低密度分离进行半监督分类，（神经信息处理系统进展，第15卷（2003年），麻省理工学院出版社：麻省理学院出版社剑桥，MA）
[6] Chapelle，O.，《训练原始支持向量机》，《神经计算》，第19期，第1155-1178页（2007年）·兹比尔1123.68101
[7] 沙佩尔，O。；信德瓦尼，V。；Keerthi，S.，半监督支持向量机的优化技术，机器学习研究杂志，9203-233（2008）·Zbl 1225.68158号
[8] 科洛伯特，R。；辛兹，F。；J·韦斯顿。；Bottou，L.，可伸缩性的交易凸性，（神经信息处理系统进展，第18卷（2006年），麻省理工学院出版社：麻省理学院出版社剑桥，MA）
[9] 科洛伯特，R。；辛兹，F。；J·韦斯顿。；Bottou，L.，《大规模转换SVM》，《机器学习研究杂志》，第7期，1687-1712页（2006年）·Zbl 1222.68173号
[10] Grandvalet，Y。；Bengio，Y.，《熵最小化半监督学习》，（神经信息处理系统进展，第17卷（2005年），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥）
[11] Joachims，T.，使用支持向量机进行文本分类的归纳推理，（第十六届机器学习国际会议论文集（1999），Morgan Kaufmann:Morgan Koufmann San Francisco，CA），200-209
[12] Kim，J。；Kim，Y。；Kim，Y.，LASSO的基于梯度的优化算法，计算与图形统计杂志，1994-1009（2008）
[13] Kimeldorf，G。；Wahba，G.，关于切比雪夫样条函数的一些结果，数学分析与应用杂志，33，82-95（1971）·Zbl 0201.39702号
[14] Lin，Y.，分类中的支持向量机和贝叶斯规则，数据挖掘和知识发现，6259-275（2002）
[15] Nigam，K。；麦卡勒姆，A。；特隆，S。；Mitchell，T.，使用EM从标记和未标记文档中进行文本分类，机器学习，39，103-134（2000）·Zbl 0949.68162号
[16] 奥斯本，M。；Presnell，B。；Turlach，B.A.，《套索及其对偶》，《计算与图形统计杂志》，9，319-337（2000）
[17] Platt，J.C.，《使用序列最小优化快速训练支持向量机》，（《内核方法的进展》（1999），麻省理工学院出版社：麻省理学院出版社剑桥）
[18] Rosset，S。；Zhu，J.，分段线性正则解路径，《统计年鉴》，351012-1030（2007）·Zbl 1194.62094号
[19] Tibshirani，R.，《通过套索进行回归收缩和选择》，《皇家统计学会杂志》，B辑，58267-288（1996）·Zbl 0850.62538号
[20] Vapnik，V.，《统计学习理论的本质》（1995），斯普林格出版社·Zbl 0833.62008号
[21] Wang，J。；沈，X。；Pan，W.，《关于转导支持向量机》，《当代数学丛书》，第43期，第7-19页（2007年）·Zbl 1147.68657号
[22] Wang，J。；沈欣，《大幅度半监督学习》，《机器学习研究杂志》，81867-1891（2007）·Zbl 1222.68329号
[23] J·韦斯顿。；莱斯利，C。；即E。；Zhou博士。；Elisseeff，A。；Noble，W.S.，使用簇核进行半监督蛋白质分类，生物信息学，21，3241-3247（2000）
[24] 尤耶，A。；Rangarajan，A.，凹-凸过程，神经计算，15，915-936（2003）·Zbl 1022.68112号
[25] 张，H。；瓦赫巴，G。；Lin，Y。；沃克尔，M。；费里斯，M。；Klein，R。；Klein，B.，通过似然基追踪进行变量选择和模型构建，美国统计协会杂志，99，659-672（2004）·Zbl 1117.62459号
[26] 朱，J。；Rosset，S。；哈斯蒂，T。；Tibshirani，R.，《神经信息处理系统进展》，第16卷（2004年），麻省理工学院出版社：麻省理工学院出版社剑桥
[27] 邹，H。；哈斯蒂，T。；Tibshirani，R.，《关于套索的自由度》，《统计年鉴》，352173-2192（2007）·Zbl 1126.62061号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。