지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국지능시스템학회 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.17 No.1
- 발행연도
- 2017.3
- 수록면
- 10 - 16 (7page)
이용수
초록· 키워드
오류제보하기
The kernel function plays a central role in modern pattern classification for its ability to capture the inherent affinity structure of the underlying data manifold. While the kernel function can be chosen by human experts with domain knowledge, it is often more principled and promising to learn it directly from data. This idea of kernel learning has been studied considerably in machine learning and pattern recognition. However, most kernel learning algorithms assume fully supervised setups requiring expensive class label annotation for the training data. In this paper we consider kernel learning in the semi-supervised setup where only a fraction of data points need to be labeled. We propose two approaches: the first extends the idea of label propagation along the data similarity graph, in which we simultaneously learn the kernel and impute the labels of the unlabeled data. The second aims to minimize the dual loss in the support vector machines (SVM) classifier learning with respect to the kernel parameters and the missing labels. We provide reasonable and effective approximate solution methods for these optimization problems. These approaches exploit both labeled and unlabeled data in kernel leaning, where we empirically demonstrate the effectiveness on several benchmark datasets with partially labeled learning setups.
목차
Abstract
1. Introduction
2. Background on Kernel Learning
3. Semi-Supervised Kernel Learning
4. Experiments
5. Conclusion
References
참고문헌 (17)
참고문헌 신청
V. N. Vapnik, The Nature of Statistical Learning Theory. New York, NY: Springer, 1995.
C. E. Rasmussen and C. K. I. Williams, Gaussian Processes for Machine Learning. Cambridge, MA: MIT Press, 2006.
N. Cristianini, J. Shawe-Taylor, A. Elisseeff, and J. Kandola, “On kernel-target alignment,” Advances in Neural Information Processing Systems, vol. 14, 2001.
G. R. G. Lanckriet, N. Cristianini, P. Bartlett, L. E. Ghaoui, and M. I. Jordan, “Learning the kernel matrix with semidefinite programming,” Journal of Machine Learning Research, vol. 5, pp. 27-72, 2004.
A. Rakotomamonjy, F. R. Bach, S. Canu, and Y. Grandvalet, “SimpleMKL,” Journal of Machine Learning Research, vol. 9, pp. 2491-2521, 2008.
C. E. Rasmussen and C. K. I. Williams, Gaussian Processes for Machine Learning. Cambridge, MA: MIT Press, 2006.
N. Cristianini, J. Shawe-Taylor, A. Elisseeff, and J. Kandola, “On kernel-target alignment,” Advances in Neural Information Processing Systems, vol. 14, 2001.
G. R. G. Lanckriet, N. Cristianini, P. Bartlett, L. E. Ghaoui, and M. I. Jordan, “Learning the kernel matrix with semidefinite programming,” Journal of Machine Learning Research, vol. 5, pp. 27-72, 2004.
A. Rakotomamonjy, F. R. Bach, S. Canu, and Y. Grandvalet, “SimpleMKL,” Journal of Machine Learning Research, vol. 9, pp. 2491-2521, 2008.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
자가 학습 기반 의미론적 세분화에 관한 연구 동향
대한전자공학회 학술대회
2024 .06
-
이미지 라벨링 시스템(Label Now)
대한전자공학회 학술대회
2022 .11
-
Error analysis on approximate graph-based semi-supervised learning
한국정보과학회 학술발표논문집
2021 .12
-
Deep Neural Network Self-training Based on Unsupervised Learning and Dropout
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2017 .03
-
다중 레이블 분류의 정확도 향상을 위한 스킵 연결 오토인코더 기반 레이블 임베딩 방법론
지능정보연구
2021 .09
-
다중 레이블 나이브 베이즈 분류를 위한 새로운 사후확률 추정 방법에 관한 연구
한국컴퓨터정보학회논문지
2018 .06
-
스마트폰 로봇의 위치 인식을 위한 준 지도식 학습 기법
제어로봇시스템학회 논문지
2015 .06
-
DeepCleanNet: Training Deep Convolutional Neural Network with Extremely Noisy Labels
멀티미디어학회논문지
2020 .11
-
강화된 진화 탐색이 생성하는 큰 자손 기반 효과적인 다중 레이블 특징 선별
한국컴퓨터정보학회논문지
2018 .09
-
Multi-Label Classification Approach to Location Prediction
한국컴퓨터정보학회논문지
2017 .10
-
Self-supervised Learning for Fault Diagnosis with Limited Labeled Data
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
준지도 학습 기법과 분류 성능에 관한 연구
대한전자공학회 학술대회
2024 .06
-
The Era of Representation Learning without any Expensive Manual Labels via Contrastive Learning: A survey
대한전자공학회 학술대회
2021 .06
-
Dynamic Mutual Information Based Feature Selection for Multi-label Learning
대한산업공학회 추계학술대회 논문집
2018 .11
-
소규모 다클래스 양성 데이터 및 레이블이 지정되지 않은 데이터로부터 학습
멀티미디어학회논문지
2023 .04
-
준지도 의료 이미지 분할을 위한 불확실성 추정 기반 대조 학습
대한전자공학회 학술대회
2024 .06
-
분류 성능 최적화를 위한 레이블 군집화
대한전자공학회 학술대회
2021 .06
-
2-Link Label Based Optimal Path Algorithm
대한교통학회 학술대회지
2021 .02
-
Semi-Supervised Graph Federated Learning with a Lack of Labeled Data
한국통신학회 학술대회논문집
2024 .06
-
Semi-Supervised Learning Using Data Between Real and Noise
한국통신학회 학술대회논문집
2022 .02
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-003-002304007