计算机应用

作者：吕亚丽, 苗钧重, 胡玮昕

单位：1. 山西财经大学 信息学院, 太原 030006;2. 计算智能与中文信息处理教育部重点实验室(山西大学), 太原 030006

关键词：机器学习,图半监督学习,度量学习,标签传播,相似度矩阵

基金：山西省自然科学基金资助项目（201801D121115）；山西省回国留学人员科研资助项目（2020-095）。

大多基于图的半监督学习方法，在样本间相似性度量时没有用到已有的和标签传播过程中得到的标签信息，同时，其度量方式相对固定，不能有效度量出分布结构复杂多样的数据样本间的相似性。针对上述问题，提出了基于标签进行度量学习的图半监督学习算法。首先，给定样本间相似性的度量方式，从而构建相似度矩阵。然后，基于相似度矩阵进行标签传播，筛选出k个低熵样本作为新确定的标签信息。最后，充分利用所有标签信息更新相似性度量方式，重复迭代优化直至学出所有标签信息。所提算法不仅利用标签信息改进了样本间相似性的度量方式，而且充分利用中间结果降低了半监督学习对标签数据的需求量。在6个真实数据集上的实验结果表明，该算法在超过95%的情况下相较三种传统的基于图的半监督学习算法取得了更高的分类准确率。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期