标签: 培训   先进   人机   通信   技术   联合   实验室  
文档信息
上传用户 AFMMY     
文档格式 ppt
文档价格 2.3 元
文档大小 1M
文档页数 45 页
相关文档推荐
doc 浙江省一年级数学下学期开学测试试卷 (含答案).doc
doc 广东省一年级数学上学期期中检测试题 (含答案).doc
doc 盖州市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新罗区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新源县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 怀安县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 永丰县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 昆山市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 大理市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河南省一年级数学上学期开学测试试题 (含答案).doc
doc 桃城区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 固阳县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广东省一年级数学下学期期末检测试题 (含答案).doc
doc 汇川区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 崇礼区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 嵩明县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 扶沟县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 德江县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 江西省一年级数学下学期开学考试试题 (含答案).doc
doc 昔阳县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 汉川市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新津县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 托里县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 广东省一年级数学下学期开学测试试卷 (含答案).doc
ppt 多变量数据分析技术.ppt
doc 恩阳区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 万全区2019版一年级数学上学期期中考试试题 人教版(附答案).doc
doc 宜阳县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 弥渡县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 安溪县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 宾川县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河北省承德市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 开平市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新郑市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 桐城市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 柳河县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 开阳县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 万全区2020年一年级数学上学期期中考试试题 部编版(附答案).doc
doc 广西一年级数学上学期期末检测试题 (含答案).doc
doc 广西一年级数学下学期开学测试试题 (含答案).doc
doc 永寿县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 望花区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 梨树县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 晋安区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河北省一年级数学上学期开学检测试卷 (含答案).doc
doc 安塞区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 文圣区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 岚皋县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 增城区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 朝阳区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广西贵港市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 文峰区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 梁山县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
ppt 复件无菌技术及无菌操作.ppt
doc 新疆2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 广西来宾市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 枣阳市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 大武口区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 定边县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 布尔津县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 桑日县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江阴市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 河北省保定市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 牧野区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江安县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新青区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新疆一年级数学上学期期中测试试题 (含答案).doc
doc 松北区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 梓潼县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 日土县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江西省一年级数学上学期期中检测试卷 (含答案).doc
doc 新疆一年级数学下学期开学检测试卷 (含答案).doc
doc 广饶县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 库尔勒市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 汶上县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
ppt 基础管理技巧培训课程.ppt
doc 江苏省一年级数学下学期开学测试试卷 (含答案).doc
doc 昌乐县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
ppt 培训学校家庭教育讲座.ppt
doc 广陵区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 志丹县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 治多县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 昌江区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 河北省一年级数学下学期开学测试试题 (含答案).doc
doc 杭锦后旗2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 桑珠孜区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 来凤县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 永年区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 德城区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 沙河市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 安次区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广昌县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江苏省盐城市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 河南省一年级数学下学期期中检测试卷 (含答案).doc
doc 广西一年级数学上学期期末测试试题 (含答案).doc
doc 怀仁县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新邵县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 昌平区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
ppt 多路传输系统预培训教材.ppt
doc 寿阳县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 巴彦县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 哈巴河县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 德保县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 商州区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新疆一年级数学下学期期中测试试题 (含答案).doc
ppt 基桩超声波检测技术.ppt
doc 江源区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 万全区一年级数学上学期期中考试试题 部编版(附答案).doc
doc 旺苍县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 广西一年级数学下学期期末测试试题 (含答案).doc
doc 土默特左旗2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江苏省一年级数学上学期开学考试试题 (含答案).doc
doc 万全区2020版一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 栾城区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 天元区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 昌吉市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 张店区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 山西省一年级数学下学期期中测试试卷 (含答案).doc
doc 大同区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 峨边彝族自治县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 回民区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河北省一年级数学上学期期末测试试卷 (含答案).doc
doc 成安县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新北区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 易县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 李沧区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 景泰县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 成县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 河南省一年级数学下学期期中测试试题 (含答案).doc
doc 朝天区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 抚宁区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 万州区2019版一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 江口县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 夏河县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 敦化市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新泰市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 椒江区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 江西省一年级数学下学期开学测试试题 (含答案).doc
doc 平塘县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 沙市区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 珲春市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 当涂县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 拱墅区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 广水市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 宛城区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新疆一年级数学下学期期中考试试题 (含答案).doc
doc 揭东区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 城子河区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 康保县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河南省周口市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 怀集县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 武隆区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河北省一年级数学上学期期中测试试题 (含答案).doc
doc 塔城市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 溆浦县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 峰峰矿区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新疆一年级数学上学期期末检测试卷 (含答案).doc
doc 武陟县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 托克托县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 宝兴县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广西一年级数学上学期期中测试试题 (含答案).doc
doc 新疆和田地区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 怀来县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 江苏省一年级数学下学期期中测试试卷 (含答案).doc
doc 江苏省一年级数学下学期期末检测试题 (含答案).doc
doc 巴南区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 明山区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 来安县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新密市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 山西省大同市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
ppt 培训讲义:广告定位策.ppt
doc 平潭县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广东省清远市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 柞水县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新乐市2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 新疆一年级数学下学期开学测试试卷 (含答案).doc
doc 崇信县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 忠县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 惠来县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 当雄县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 新疆一年级数学下学期期末测试试题 (含答案).doc
doc 桃江县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 奉节县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 河南省一年级数学上学期期末检测试卷 (含答案).doc
doc 柯城区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 殷都区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 浙江省一年级数学下学期开学检测试卷 (含答案).doc
ppt 培训教师的讲课技巧主讲田德彪.ppt
ppt 基本技术图型对行情的研判.ppt
doc 武进区2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 广东省河源市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 盐山县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
ppt 基因工程及其产品安全性管理.ppt
doc 榆阳区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 民勤县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc
doc 泾川县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 永兴县2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 杨陵区2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 河北省石家庄市2019年一年级数学上学期期中考试试题 北师大版(附答案).doc
doc 察雅县2019年一年级数学上学期期中考试试题 新人教版(附答案).doc

培训先进人机通信技术联合实验室.ppt

 版权申诉  ppt 2019年9月4日,1,Semi-supervised Learning by Sparse Representation,Shuicheng Yan Huan Wang Lecturer: Yitao Zhai,2019/9/4,作者的相关信息,Shuicheng Yan—第一作者 新加坡国立大学助理教授 简历 1999和2004年分别从北京大学获得应用数学的学士和博士学位 分别在微软亚洲研究院,UIUC,香港中文大学做过研究工作 研究方向 图像与视频中的行为检测 子空间学习与流形学习 物体识别与分类 生物识别 医学图像分析 论文 期刊: 36, 会议: 69. 个人主页: http://www.ece.nus.edu.sg/stfpage/eleyans/,作者的相关信息,Huan Wang——第二作者 00-04 浙江大学 信息与电子工程学院 04-07 香港中文大学 信息工程学院 目前在耶鲁大学计算机学院 研究方向 计算机视觉,机器学习,信源编码,嵌入式系统等 发表论文 第一作者论文5篇 :CVPR 08; IJCAI 07(oral); CVR07; ICML07( oral); ACM MM06 主页 http://mmlab.ie.cuhk.edu.hk/~huan/Welcome.html http://joyousprince.spaces.live.com/,2019年9月4日,3,文章出处,S. Yan and H. Wang. Semi-supervised learning by sparse representation. SIAM International Conference on Data Mining(SDM09). 相关文献 J. Wright, A. Ganesh, A. Yang, and Y. Ma: Robust face recognition via sparse representation. TPAMI, in press, 2008. X. Zhu, Z. Ghahramani, and J. Lafferty. Semi-supervised learning using Gaussian fields and harmonic functions. ICML, 2003. D. Cai, X. He, and J. Han. Semi-supervised discriminant analysis. ICCV, 2007.,2019年9月4日,4,SIAM 简介,工业和应用数学学会 (Society for Industry and Applied Mathematics ,SIAM) 于二十世纪五十年代前期在美国成立,是一个以促进应用和计算数学的研究、发展、应用为目的的协会 SIAM以出版的高水准和颇具声誉的期刊而自豪。SIAM中共包括13种期刊,这13种同行评审的研究期刊在应用和计算数学的高等研究领域非常著名,它们涵盖了整个应用和计算数学领域,内容丰富而全面。根据ISI公司2005年出版的期刊引用报告JCR,几乎所有SIAM的期刊的影响因子都接近或超过1。 SIAM Review获得“数学”领域前所未有的高影响因子6.118 在“应用数学“领域的162种期刊中,SIAM的期刊占据了前25位中的7席 主页: http://www.siam.org/,2019年9月4日,5,摘要,本文中,我们提出了一种基于L1 Graph的半监督学习框架。L1 Graph 受启发于每个样本可以通过训练数据的稀疏线性加和进行重建。通过一个求解L1优化问题,可以得到稀疏重建的系数,然后利用这些系数作为L1 Graph的边的权重。 传统的构造图的方法包含两个独立的步骤:确定边是否邻接;计算边的权重。L1 Graph将这两个步骤合并进行,而且构造L1 Graph的过程是与参数无关的。 受启发于稀疏表示在人脸识别领域的成功应用,我们提出了基于L1-Graph的半监督学习框架。在半监督人脸识别与图像分类上的大量实验证明了我们的L1Graph框架的优越性。,2019年9月4日,6,文章结构,Abstract Introduction Traditional Graph Construction L1-Graph:Motivation and Construction Semi-supervised Learning over L1-Graph Experiments Conclusion and Future Work,2019年9月4日,7,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,8,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,9,图模型,训练集可以看做一个无向有权图G={X,W} X:顶点集,每个训练样本是图中的一个顶点 ,N为训练样本数 W:相似度矩阵, 表示样本i和样本j的相似度 传统的图模型构造方法分为两步: 确定两个顶点间是否存在一条边 计算边权重,2019年9月4日,10,Step1:选择边,近邻 如果两个样本点满足 ,则两个样本间存在一条边 常常导致若干个独立的子图 K最近邻 如果 是 的最近邻的K个样本之一,那么这两个样本间存在一条边,2019年9月4日,11,Step2:计算边的权重,高斯核 欧式距离的倒数 局部线性重建系数:通过最小化L2重建误差,用样本的近邻样本对其进行重建,2019年9月4日,12,传统图模型的缺点,选择边和计算权重分开进行 严重依赖与参数 中的 ,K近邻中的K 尤其是 ,很难选取一个合适的 应用于分类任务时往往效果很差 欧式距离下最近邻的样本往往并非同类样本,2019年9月4日,13,需要什么样的图,自适应的调整样本间关系 传统方法中,不同的数据分布就需要不同的参数 Parameter-Free 稀疏性 表征样本间局部关系的稀疏图包含对分类有用的信息[1] 存储开销 辨别能力 更好的用于分类任务 目标:同类样本间权重较高,不同类样本间权重较低 [1]M. Belkin and P. Niyogi. Laplacian eigenmaps for dimensionality reduction and data representation. Neural Computation, 2003.,2019年9月4日,14,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,15,2019年9月4日,稀疏表示:示例,from Subject 1,down-sample to 12x10,对应两个最大的系数,,,扩展YaleB上随机选取1207个样本作为基,使用最小化L1范式后得到的稀疏系数。可以看出,对应最大的两个系数都是测试样本的同类样本。,稀疏表示,受启发与稀疏表示在人脸识别上的成功应用[1] 任一训练样本可以由其余训练样本的线性组合来重构(允许一定重构误差),重构系数是稀疏的 使用重构系数做为两个样本之间的权重,表征样本间关系 求解稀疏表示是一个最小化L1范式问题 是一组基,y为待表示样本, 为重建系数 [1] J. Wright, A. Ganesh, A. Yang, and Y. Ma: Robust face recognition via sparse representation. TPAMI, in press, 2008.,2019年9月4日,17,最小化L1范式,最小化L1范式问题: 特征维数远大于样本数目时,往往得不到稀疏的表示 L1 Graph的做法:对任一样本,用除它之外的所有样本做基求解最小化L1范式问题 求解方法 基追踪(Basis pursuit) 匹配追踪(Matching pursuit) 最小全变分法 迭代阈值法,2019年9月4日,18,L1 Graph,,2019年9月4日,19,L1-Graph优点,L1-Graph 是稀疏的 通过最小化L1范式得到的非零系数一般远小于特征维数 L1-Graph是自适应的 L1-Graph中每个样本近邻的数目是通过最小化L1范式来确定的,不需要人工设置参数 L1-Graph包含辨别信息 权重较大边往往连接了同类的样本,2019年9月4日,20,L1 VS L2,LLE也是最小化重建误差 最小化L1: 为什么不用LLE? LLE一般得不到稀疏表示 LLE的最小化重建误差仅涉及部分样本 LLE需要确定参数,2019年9月4日,21,不同Graph的邻接矩阵,Yale上165幅图片 b: k=3 ?,2019年9月4日,22,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,23,半监督学习,动机:现实应用中缺少足够有标注的训练数据 半监督学习:通过利用有标注数据和未标注数据间的数据分布关系来提升训练效果 方法: EM with generative mixture models self-training co-training transductive support vector machines, graph-based methods.,2019年9月4日,24,基于图的半监督学习,Graph Preserving Criteria 其中 , , 是表征样本 属于不同类的概率的向量,即 其中K是类别数, 是给定类别k时 属于此类的概率 对于半监督学习, , 是有标注样本的概率向量, 是无标注样本的概率向量 对于,2019年9月4日,25,直观解释,当样本 非常相似时,那么他们之间的边的权重 就比较大,通过最小化这个目标函数使得样本之间的类别概率向量 相似,即 之间的类别信息相似。 相似样本属于同一类,2019年9月4日,26,目标函数化简,其中 D为 对角矩阵, 即W每行的元素和,其余元素全为 0, 为W每列的元素的和。 ,其中C是对称矩阵,2019年9月4日,27,推导过程的部分详解,标准二次型 矩阵的迹等于矩阵对角元素的和,2019年9月4日,28,半监督学习求解公式,对Y求导,得到 即 可以推出: 利用这个公式就可以求出未标注样本的类别,2019年9月4日,29,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,30,L1-Graph+SDA,SDA Semi-supervised Discriminant Analysis,是一种基于图的半监督降维方法,可以同L1 Graph结合起来 把在低维特征空间定义的平滑正则项(Smoothness Regularization term)同类内散度结合起来,通过广义特征值分解找到最优的投影方向,2019年9月4日,31,SDA:Motivation,LDA很强大,但无法直接用于半监督学习,此时由于部分样本类别信息的缺失,不能很好的估记类内散度矩阵 SDA 使用有类别样本最大化不同类间的可分性,使用所有样本(有类别和无类别)估计数据间的内在结构 数据间的内在结构:总体散度矩阵,图模型,2019年9月4日,32,RDA,LDA目标函数: 当训练样本不足时,为了防止overfitting,有时会加入一个正则项,即RDA(Regularized Discriminant Analysis),2019年9月4日,33,RDA,当有部分无类别样本时,设计 使其包含数据的流形结构 对于降维,近邻样本应该有近似的低维表示 使用图来表征近邻样本间关系,2019年9月4日,34,SDA,定义正则项: 最小化这个正则项,使得原始空间中临近的样本在映射后的低维空间中仍然相邻。 目标函数: 直观解释:最大化类间散度矩阵的同时,最小化总体散度矩阵,并使得原始空间中临近的样本在映射后的低维空间中仍然相邻,2019年9月4日,35,SDA求解,目标函数: D为对角矩阵,对角元素为W各行元素的和 原目标函数化为: 求解 可得到映射,2019年9月4日,36,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,37,实验,6个人脸识别库 XM2VTS:295人,每人4张共1180幅图片,分辨率36*32 ORL: 40人每人10张共400幅图片,分辨率32*28 FERET:70人,每人6张图片共420幅图片,32*32 CMU PIE:68人,每人选7幅(C27,C05,C29,C09,C07,及光照变化的8和11),32*32 Yale:15人,每人11幅图片,32*32 FRGC:275人的5628幅图片,每人图片数从4到6不等,32*32 物体分类的数据库 ETH-80:8类图片,每类10个不同的物体共80个,每个物体41幅图片,2019年9月4日,38,对比图,L1-Graph LLE-Graph K=3或K=6 KNN-Graph K=3或K=6 高斯核 高斯核,2019年9月4日,39,实验结果,,2019年9月4日,40,L1-Graph+SDA,,2019年9月4日,41,图对参数的敏感性实验,FERET上的实验,2019年9月4日,42,标注样本的影响,,2019年9月4日,43,讲解提纲,图模型 稀疏表示与L1-Graph L1-Graph与半监督学习 L1-Graph与半监督辨别分析 实验 结论及未来工作,2019年9月4日,44,结论及未来工作,我们提出了一种与参数无关的构建图的方法并将其应用于半监督学习。L1 Graph 受启发与每个样本可以通过训练数据的稀疏线性加和进行重建。通过求解一个L1优化问题,我们将构造图的两个步骤统一起来。在半监督人脸识别与图像分类上








































 版权投诉/申诉   非法内容举报    本页不提供全部页面预览,未展示部分请购买并下载后观看使用