王杰1,,张松岩1,,梁吉业1,

1山西大学计算机与信息技术学院

计算智能与中文信息处理教育部重点实验室

摘要：半监督学习已被广泛应用于大数据分析。目前，基于一致性正则的方法是半监督深度学习的研究热点之一。然而这类方法没有考虑数据的流形结构，可能会导致部分相近的样本得到差异很大的输出，进而导致分类器性能下降。针对这个问题，提出了一种融合一致性正则与流形正则的半监督深度学习算法。该算法在对模型施加一致性约束的同时，对样本构图并加入平滑性损失，实现了每个样本点局部邻域的平滑以及邻近（相连）样本点之间的平滑，从而提高半监督深度学习算法的泛化性能。在多个图像和文本数据集上的实验结果表明，与其他的半监督深度学习算法相比，所提算法更有效。

关键词：半监督深度学习;一致性正则;流形正则;平滑性约束

论文引用格式：

王杰,张松岩,梁吉业.融合一致性正则与流形正则的半监督深度学习算法[J].大数据,0,8(3):-.

WANGJ,ZHANGSY,LIANGJY.Asemi-superviseddeeplearningalgorithm

转载请注明:http://www.aideyishus.com/lkgx/774.html