《基於圖的半監督學習的快速魯棒算法研究及其套用》是依託上海交通大學，由楊傑擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖的半監督學習的快速魯棒算法研究及其套用
- 項目類別：面上項目
- 項目負責人：楊傑
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
大數據時代，如何利用大量的未標記數據來提高機器學習的性能成為當前的研究熱點和關鍵科學問題。現有的半監督學習算法具有一些共同的缺點，如對於噪聲不夠穩健、運算開銷較大等。本項目研究基於圖的半監督學習的快速魯棒算法及其套用，包括：（1）半監督學習的快速建圖算法；（2）自適應標籤傳播算法；（3）多視角下的基於圖的半監督學習算法； （4）多任務下的基於圖的半監督學習算法；（5）機器教學引導的基於圖的半監督學習算法；（6）.基於圖的半監督學習算法在圖像上的套用。探索解決其中的關鍵科學問題，包括：（1）如何利用圖模型更好地挖掘數據間的約束關係和隱含的流形結構；（2）如何減少基於圖的半監督學習算法的計算量；（3）如何設計有效的算法消除噪聲的影響；（4）如何設計優良的教學算法對半監督學習過程進行“指導”；（5）如何將半監督學習和其它學習策略有機地結合；（6）如何將基於圖的半監督學習套用到實際靜態和動態圖像的處理和分析中。
結題摘要
大數據時代，如何利用大量的未標記數據來提高機器學習的性能成為當前的研究熱點和關鍵科學問題。現有的半監督學習算法具有一些共同的缺點，如對於噪聲不夠穩健、運算開銷較大等。本項目研究基於圖的半監督學習的快速魯棒算法及其套用，包括：（1）半監督學習的快速建圖算法；（2）自適應標籤傳播算法；（3）多視角下的基於圖的半監督學習算法；（ 4）多任務下的基於圖的半監督學習算法；（5）機器教學引導的基於圖的半監督學習算法；（6） 基於圖的半監督學習算法在圖像上的套用。探索解決其中的關鍵科學問題，包括：（1）如何利用圖模型更好地挖掘數據間的約束關係和隱含的流形結構；（2）如何減少基於圖的半監督學習算法的計算量；（3）如何設計有效的算法消除噪聲的影響；（4）如何設計優良的教學算法對半監督學習過程進行“指導”；（5）如何將半監督學習和其它學習策略有機地結合；（6）如何將基於圖的半監督學習套用到實際靜態和動態圖像的處理和分析中。
