基于k个标记样本的弱监督学习框架

摘要：

聚类是机器学习领域中的一个研究热点溺监督学习是半监督学习中一个重要的研究方向,有广泛的应用场景.在对聚类与弱监督学习的研究中,提出了一种基于七个标记样本的弱监督学习框架.该框架首先用聚类及聚类置信度实现了标记样本的扩展.其次,对受限玻尔兹曼机的能量函数进行改进,提出了基于七个标记样本的受限玻尔兹曼机学习模型.最后,完成了对该模型的推理并设计相关算法.为了完成对该框架和模型的检验,选择公开的数据集进行对比实验,实验结果表明,基于七个标记样本的弱监督学习框架实验效果较好.

关键词：机器学习、弱监督学习、聚类

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：四川省国际科技创新合作重点项目2019YFH0097

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：981-990