基于异质信息融合的网络图像半监督学习方法
网络图像通常包含文本、颜色和纹理等异质信息.本文提出了一种基于多类异质信息融合的网络图像半监督学习方法一局部协同训练(Local co-training,LCT).该方法在每个视图(对应一类信息)上对每个样本点的邻域构建线性局部模型,利用一组局部模型来表示数据关系；基于信息传播和协同训练对模型进行增量式迭代更新.该算法在协同训练和基于图正则化的方法这两类半监督学习算法间建立了桥梁.局部协同训练算法能够准确地描述样本的复杂分布,并且可以进行高效的增量学习,有利于大规模网络图像的在线学习.在Corel,Pascal和ImageNet数据集上的实验结果表明该方法具有良好的性能.
网络图像分类、异质信息、局部协同训练、机器学习
38
国家自然科学基金60905018,61202392,60921003,61175039;十二五国家科技支撑重点项目2011BAK08B02;教育部博士点基金20090201120032;中央高校基本科研业务费xjj2009041,2012jdhz08
2013-01-25（万方平台首次上网日期，不代表论文的发表时间）
共10页
1923-1932
