项目名称: 部分监督学习问题的支持向量机及其应用

项目编号: No.11371365

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 邓乃扬

作者单位: 中国农业大学

项目金额: 55万元

中文摘要: 本项目研究分类问题中的分部分监督学习,包括半监督学习(Semi-supervised learning,简称SS学习)和正类标记与无标记学习(Positive and unlabeled learning,简称PU学习)。部分监督学习的特点是,除了像传统有监督学习利用已知标记的样本外,它还利用成本低廉的无标记样本以取得更好的分类效果。对于部分监督学习,支持向量机是一个十分有效的途径。本项目拟从最优化的角度研究部分监督学习(SS学习和PU学习)中的支持向量机。具体包括: 1、从最大间隔原则和引进不同正则项出发,研究SS学习和PU学习的支持向量机模型与算法;2、鉴于我们对双子型支持向量机已有较好的工作基础,特别注意研究SS学习和PU学习中的双子型支持向量机模型与算法;3、研究SS学习和PU学习中的模型与算法的评价准则;4、应用所得到的SS学习和PU学习的若干支持向量机于生物信息学。

中文关键词: 最优化;支持向量机;部分监督学习;半监督学习;正类标记和无标记学习

英文摘要: In this project, we focus on partially supervised learning in classification. Partially supervised learning includes two parts: (i)semi-supervised learning (SS learning for short) ;(ii) positive and unlabeled learning(PU learning for short). Partially sup

英文关键词: Optimization;support vector machines;partially supervised learning;semi-supervised learning;positive and unlabeled learnin

成为VIP会员查看完整内容
3

相关内容

最优化是应用数学的一个分支,主要指在一定条件限制下,选取某种研究方案使目标达到最优的一种方法。最优化问题在当今的军事、工程、管理等领域有着极其广泛的应用。
IEEE TPAMI | 基于标注偏差估计的实例相关PU学习
专知会员服务
10+阅读 · 2021年10月23日
专知会员服务
36+阅读 · 2021年10月16日
专知会员服务
59+阅读 · 2021年9月20日
专知会员服务
36+阅读 · 2021年6月6日
专知会员服务
39+阅读 · 2021年6月2日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
182+阅读 · 2021年2月4日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
专知会员服务
27+阅读 · 2020年10月24日
神经网络,凉了?
CVer
2+阅读 · 2022年3月16日
基于图神经网络的推荐算法总结
机器学习与推荐算法
25+阅读 · 2021年9月30日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
贝叶斯机器学习前沿进展
机器学习研究会
20+阅读 · 2018年1月21日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
深度 | 迁移学习全面概述:从基本概念到相关研究
七月在线实验室
15+阅读 · 2017年8月15日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
56+阅读 · 2021年5月3日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
135+阅读 · 2018年10月8日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
小贴士
相关VIP内容
IEEE TPAMI | 基于标注偏差估计的实例相关PU学习
专知会员服务
10+阅读 · 2021年10月23日
专知会员服务
36+阅读 · 2021年10月16日
专知会员服务
59+阅读 · 2021年9月20日
专知会员服务
36+阅读 · 2021年6月6日
专知会员服务
39+阅读 · 2021年6月2日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
182+阅读 · 2021年2月4日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
专知会员服务
27+阅读 · 2020年10月24日
相关资讯
神经网络,凉了?
CVer
2+阅读 · 2022年3月16日
基于图神经网络的推荐算法总结
机器学习与推荐算法
25+阅读 · 2021年9月30日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
贝叶斯机器学习前沿进展
机器学习研究会
20+阅读 · 2018年1月21日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
深度 | 迁移学习全面概述:从基本概念到相关研究
七月在线实验室
15+阅读 · 2017年8月15日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月16日
Arxiv
56+阅读 · 2021年5月3日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
135+阅读 · 2018年10月8日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
微信扫码咨询专知VIP会员