nach oben

Neural Computing and Applications

Erschienen in:

01.06.2010 | Original Article

A general graph-based semi-supervised learning with novel class discovery

verfasst von: Feiping Nie, Shiming Xiang, Yun Liu, Changshui Zhang

Erschienen in: Neural Computing and Applications | Ausgabe 4/2010

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper, we propose a general graph-based semi-supervised learning algorithm. The core idea of our algorithm is to not only achieve the goal of semi-supervised learning, but also to discover the latent novel class in the data, which may be unlabeled by the user. Based on the normalized weights evaluated on data graph, our algorithm is able to output the probabilities of data points belonging to the labeled classes or the novel class. We also give the theoretical interpretations for the algorithm from three viewpoints on graph, i.e., regularization framework, label propagation, and Markov random walks. Experiments on toy examples and several benchmark datasets illustrate the effectiveness of our algorithm.

Vorheriger Artikel Algebraic condition of synchronization for multiple time-delayed chaotic Hopfield neural networks

Nächster Artikel Support vector machine for fault diagnosis of the broken rotor bars of squirrel-cage induction motor

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Zhu XJ (2006) Semi-supervised learning literature survey, Technical Report Computer Sciences 1530, University of Wisconsin-Madison

Belkin M, Niyogi P, Sindhwani V (2006) Manifold regularization: A geometric framework for learning from labeled and unlabeled examples. J Mach Learn Res 7:2399–2434MathSciNet

Blum A, Chawla S (2001) Learning from labeled and unlabeled data using graph mincuts. In: ICML, pp 19–26

Joachims T (1999) Transductive inference for text classification using support vector machines. In: ICML, pp 200–209

Szummer M, Jaakkola T (2001) Partially labeled classification with markov random walks. In: NIPS, pp 945–952

Chapelle O, Schölkopf B, Zien A (2006) Semi-supervised learning. MIT Press, Cambridge

Seeger M (2000) Learning with labeled and unlabeled data, Technical report, The University of Edinburgh

Belkin M, Matveeva I, Niyogi P (2004) Regularization and semi-supervised learning on large graphs. In: COLT, pp 624–638

Chung FRK (1997) Spectral graph theory. In: CBMS regional conference series in mathematics, No. 92, American Mathematical Society

10.

Zhou D, Bousquet O, Lal TN, Weston J, Schölkopf B (2004) Learning with local and global consistency. In: NIPS

11.

Zhu X, Ghahramani Z, Lafferty JD (2003) Semi-supervised learning using Gaussian fields and harmonic functions. In: ICML, pp 912–919

12.

Shi J, Malik J (2000) Normalized cuts and image segmentation. IEEE Trans PAMI 22(8):888–905

13.

Zhou D, Schölkopf B (2004) Learning from labeled and unlabeled data using random walks. In: DAGM-symposium, pp 237–244

14.

Chapelle O, Zien A (2005) Semi-supervised classification by low density separation. In: The tenth international workshop on artificial intelligence and statistics

15.

Chapelle O, Weston J, Schölkopf B (2002) Cluster kernels for semi-supervised learning. In: NIPS, pp 585–592

16.

Spielman DA, Teng SH (2004) Nearly-linear time algorithms for graph partitioning, graph sparsification, and solving linear systems. In: Annual ACM symposium on theory of computing

Titel: A general graph-based semi-supervised learning with novel class discovery
verfasst von: Feiping Nie
Shiming Xiang
Yun Liu
Changshui Zhang
Publikationsdatum: 01.06.2010
Verlag: Springer-Verlag
Erschienen in: Neural Computing and Applications / Ausgabe 4/2010
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI: https://doi.org/10.1007/s00521-009-0305-8

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 4/2010

Special Issue on Artificial Immune Systems: Theory and Applications

Face recognition based on gradient gabor feature and Efficient Kernel Fisher analysis

Prediction of compressive strength of heavyweight concrete by ANN and FL models

Emergent self-organizing feature map for recognizing road sign images

Generalized fuzzy interior ideals of semigroups

Limit cycle prediction of a neurocontrol vehicle system based on gain-phase margin analysis

Premium Partner