图像分类最新技术综述论文: 21种半监督、自监督和无监督学习方法一较高低.pdf

基于半监督学习的k平均聚类框架，陈新泉，，对于一些局部分布稀疏不均、聚类区域的形状及大小不太规整的数据点集，k-means算法一般就不能很好地探测出其聚类分布结构。在半监��

链接预测是社会网络分析领域的关键问题，研究如何从已知网络中预测可能存在的新链接。现实网络中存在了大量未连接的节点对，从中挖掘潜在信息可以帮助实现链接预测任务。将链接预测视为二类分类问题，使用半监督学习

半监督均值偏移，徐广敏，陈松灿，均值偏移是一个有效的非参数无监督聚类方法，并已获得深入研究与广泛应用。当聚类过程中利用了部分标号或逐对约束的监督信息时，

K-均值聚类算法必须事先获取聚类数目，并且随机地选取聚类初始中心会造成聚类结果不稳定，容易在获得一个局部最优值时终止。提出了一种基于半监督学习理论的改进K-均值聚类算法，利用少量标签数据建立图的最小生

在图像识别领域，大型图像数据集的标注是一项耗时且昂贵的任务。为了减轻这一负担，半监督学习成为了研究的热点，它允许模型在有限的标注数据上进行学习，并利用大量未标注数据提升性能。本项目“Large-Ima

论文研究-局部学习半监督多类分类机.pdf, 半监督多类分类问题是机器学习和模式识别领域中的一个研究热点,目前大多数多类分类算法是将问题分解成若干个二类分类问题来求解.提出两种类标号表示方法来避免多个

为了提高半监督分类的性能，提出一种基于主动学习策略的半监督分类算法SSC_AL和一种基于改进的主动学习策略的半监督分类算法SSC_IAL。通过样本密度计算，改进基于投票熵的主动学习算法，减少主动学习过

针对极限学习机（ELM）未充分利用未标注样本、训练精度受网络权值初值影响的问题，提出一种基于协同训练与差分进化的改进ELM算法（Tri-DE-ELM）。考虑到传统的ELM模式分类技术只利用了少量标注样

提出了一种基于半监督模式的复杂网络社团划分新方法，通过引入物理学中的万有引力定理进而计算出有标签节点与周围无标签节点的相互作用值，最终将网络中的社团划分出来。实验表明，算法可以比较准确地划分出一些网络

将基于李群的半监督学习算法应用于医学数据集的降维以及药物的活性分析和毒性的预测分类当中