典型文献
机器学习中原型学习研究进展
文献摘要：
随着信息技术在社会各领域的深入渗透,人类社会所拥有的数据总量达到了一个前所未有的高度.一方面,海量数据为基于数据驱动的机器学习方法获取有价值的信息提供了充分的空间;另一方面,高维度、过冗余以及高噪声也是上述繁多、复杂数据的固有特性.为消除数据冗余、发现数据结构、提高数据质量,原型学习是一种行之有效的方式.通过寻找一个原型集来表示目标集,以从样本空间进行数据约简,在增强数据可用性的同时,提升机器学习算法的执行效率.其可行性在众多应用领域中已得到证明.因此,原型学习相关理论与方法的研究是当前机器学习领域的一个研究热点与重点.主要介绍了原型学习的研究背景和应用价值,概括介绍了各类原型学习相关方法的基本特性、原型的质量评估以及典型应用;接着,从原型学习的监督方式及模型设计两个视角重点介绍了原型学习的研究进展,其中,前者主要涉及无监督、半监督和全监督方式,后者包括基于相似度、行列式点过程、数据重构和低秩逼近这四大类原型学习方法;最后,对原型学习的未来发展方向进行了展望.
文献关键词：
原型学习;数据约简;度量学习;模型优化;机器学习
中图分类号：
作者姓名：
张幸幸;朱振峰;赵亚威;赵耀
作者机构：
北京交通大学信息科学研究所,北京100044;清华大学计算机科学与技术系,北京100084;现代信息科学与网络技术北京市重点实验室(北京交通大学),北京100044;国防科技大学计算机系,湖南长沙410073
文献出处：
引用格式：
[1]张幸幸;朱振峰;赵亚威;赵耀-.机器学习中原型学习研究进展)[J].软件学报,2022(10):3732-3753
A类：
B类：
原型学习,学习研究,入渗,会所,海量数据,机器学习方法,高维度,复杂数据,固有特性,除数,数据冗余,数据结构,数据质量,样本空间,数据约简,数据可用性,提升机,机器学习算法,执行效率,多应用,已得,理论与方法,前机,学习领域,热点与重点,研究背景,相关方法,基本特性,质量评估,典型应用,监督方式,模型设计,无监督,半监督,行列式点过程,数据重构,低秩逼近,度量学习,模型优化
AB值：
0.377981
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
