我爱读PAMI分享 http://blog.sciencenet.cn/u/jingyanwang

博文

先近邻再远亲:Sequential predictions Algorithm

已有 2352 次阅读 2010-4-14 14:37 |个人分类:RED|系统分类:论文交流

Graph-Based Semisupervised Learning 

Culp, M.; Michailidis, G.;
Pattern Analysis and Machine Intelligence, IEEE Transactions on
Volume: 30 , Issue: 1
Digital Object Identifier: 10.1109/TPAMI.2007.70765 
Publication Year: 2008 , Page(s): 174 - 179

IEEE Journals

  1. 最高级的是所有已经标记的样本(自己V0)
  2. 凡是离自己最近路径小于d1的是一级(V1);小于d2的是第二级(V2)……直到最后一级,包括所有样本(Vk)
  3. 标签扩散的时候,先从V0扩散到V1,然后以V1的为已标记样本向V2扩散……直到没一级都扩散完毕。

方法说完了。作者没用图把这个意思说出来,我帮他画了一个:比较丑,凑活这看吧。

 

启发:

  1. 可以用于分级的距离测度扩散; 

  2. 归一化的亲和力矩阵可以用“线性近邻扩散”离的权值来做 

最后说一下作者:美国佬一个。

个人网站http://stat.wvu.edu/~mculp/



http://blog.sciencenet.cn/blog-205121-311899.html

上一篇:忘恩负义才能创新:Bayes Decision Rule Induced Similarity Mea
下一篇:统计物理:Sum-over-Paths Covariance

0

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-7-11 10:32

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部