典型文献
融合一致性正则与流形正则的半监督深度学习算法
文献摘要：
半监督学习已被广泛应用于大数据分析.目前,基于一致性正则的方法是半监督深度学习的研究热点之一.然而这类方法没有考虑数据的流形结构,可能会导致部分相近的样本得到差异很大的输出,进而导致分类器性能下降.针对这个问题,提出了一种融合一致性正则与流形正则的半监督深度学习算法.该算法在对模型施加一致性约束的同时,对样本构图并加入平滑性损失,实现了每个样本点局部邻域的平滑以及邻近(相连)样本点之间的平滑,从而提高半监督深度学习算法的泛化性能.在多个图像和文本数据集上的实验结果表明,与其他的半监督深度学习算法相比,所提算法更有效.
文献关键词：
半监督深度学习;一致性正则;流形正则;平滑性约束
中图分类号：
作者姓名：
王杰;张松岩;梁吉业
作者机构：
山西大学计算机与信息技术学院,山西太原030006;计算智能与中文信息处理教育部重点实验室,山西太原030006
文献出处：
引用格式：
[1]王杰;张松岩;梁吉业-.融合一致性正则与流形正则的半监督深度学习算法)[J].大数据,2022(03):103-114
A类：
B类：
融合一致性,一致性正则,流形正则,半监督深度学习,深度学习算法,半监督学习,流形结构,分类器,性能下降,一致性约束,构图,样本点,局部邻域,泛化性能,文本数据,平滑性约束
AB值：
0.234522
相似文献
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。
