基于聚类的标签集成传播算法

王锋，侯艳伟，魏巍*，崔军彪

（1.山西大学 计算机与信息技术学院，山西 太原 030006；2.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006）

0 引言

传统的机器学习方法仅使用标记样本，即监督学习，这种学习方法的性能严重依赖于大量的标记样本。在现实应用中，收集大量的标记样本通常是昂贵的和耗时的。然而，获取未标记样本相对容易得多。为充分利用这些未标记样本完成学习任务，半监督学习算法［1］应运而生。半监督学习的优势在于能够通过少量的标记样本和大量的未标记样本，有效提高学习器性能［2-3］。

近年来，半监督学习的理论研究和实际应用取得了重大的发展［4］，基于图的标签传播算法是半监督学习中的重要研究方向［5］，这类算法在对数据分布缺乏先验知识的情况下，可以应用图论知识建立可解释性强的模型［6］进行学习。在过去，有许多学者致力于研究基于图的标签传播算法。Zhu等人［7］提出了一种基于高斯随机场模型的半监督学习方法。该方法是一种二分类方法，在进行多分类任务时还需对算法进行处理，但是从二分类到多分类的转化往往会导致次优的结果。Zhou等人［8］指出半监督学习的关键假设是先验一致性，在此基础上，通过图刻画样本之间的关系，将每个点的标签信息迭代地传播到其相邻节点，并给出了算法的正则化框架。Subramanya等人［9］提出一种基于KL散度损失的标签传播算法，有效解决了基于平方损失的图标签传播算法在高斯噪声下分类结果次优的问题。……