《稀疏半監督學習的理論與方法研究》是依託華東師範大學，由孫仕亮擔任項目負責人的面上項目。
基本介紹
- 中文名：稀疏半監督學習的理論與方法研究
- 項目類別：面上項目
- 項目負責人：孫仕亮
- 依託單位：華東師範大學
項目摘要,結題摘要,
項目摘要
稀疏半監督學習考慮運用少量標註樣本和部分未標註樣本以表達預測函式，具有對新樣本標籤的預測時間短、易於擴展到大規模數據的優點，正逐漸受到國際同行的關注。本項目從產生稀疏性的兩種不同途徑，即採用特定範數的規範化和不敏感損失函式的引入出發，對稀疏半監督學習的理論與方法進行系統的研究。具體研究內容包括：基於數據集稀疏化算法的稀疏半監督學習以及稀疏Laplacian支持向量機；基於凸函式的共軛對偶表示的稀疏半監督學習以及稀疏多視角支持向量機；大規模數據的序貫訓練方法。通過對這些問題的探索與求解，可以增強對半監督學習的稀疏化方法的全面認識，刻畫相應學習機器的泛化性能，並且對半監督學習在大規模數據下的套用產生積極的促進作用。我們將在深入研究統計學習理論、凸最佳化等內容的基礎上，借鑑前人的相關工作，力爭在稀疏半監督學習這一問題上取得突破性成果。
結題摘要
稀疏半監督學習考慮運用少量標註樣本和部分未標註樣本以表達預測函式，具有對新樣本標籤的預測時間短、易於擴展到大規模數據的優點，正逐漸受到國際同行的關注。本項目從產生稀疏性的兩種不同途徑，即採用特定範數的規範化和不敏感損失函式的引入出發，對稀疏半監督學習的理論與方法進行系統的研究。具體研究內容包括：基於數據集稀疏化算法的稀疏半監督學習以及稀疏Laplacian 支持向量機；基於凸函式的共軛對偶表示的稀疏半監督學習以及稀疏多視角支持向量機；大規模數據的序貫訓練方法；其他有關多視角學習方法的研究，等等。通過對這些問題的探索與求解，增強了對半監督學習的稀疏化方法的全面認識，刻畫了某些學習機器的泛化性能，在稀疏半監督學習這一問題上取得了突破性成果。
