大數(shù)據(jù)環(huán)境下的半監(jiān)督學習算法的設計與分析

定　價：￥36.00

作　者：	左玲著
出版社：	華中科技大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787568071802	出版時間：	2021-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	84	字數(shù)：

內容簡介

　　半監(jiān)督學習是近年來機器學習領域中的熱點問題，其研究如何利用少量的標記樣本和大量的未標記樣本訓練學習機器，并且通過未標記樣本來改善學習機器的推廣性能。本書致力于分析大數(shù)據(jù)環(huán)境下的具有隱私保護性能的半監(jiān)督學習算法設計與理論分析。其主要內容包括：圖正則化半監(jiān)督算法的設計與稀疏性研究，如何從理論上給出誤差分析；保護用戶隱私的熵正則化半監(jiān)督算法。同時，提出熵正則化半監(jiān)督算法的誤差分析方案，建立其收斂速率。*后，展開對設計算法的隱私保護性能分析的研究。

作者簡介

　　左玲，湖北工業(yè)大學，理學院，副教授研究方向和主要研究內容：機器學習，半監(jiān)督學習算法的構造與理論分析。教育經歷（從大學本科開始，按時間倒序排序）：2010/09–2014/12，湖北大學，數(shù)學與統(tǒng)計學學院數(shù)學系，博士，導師：李落清2003/09–2006/06，湖北大學，數(shù)計學院應用數(shù)學系，碩士，導師：李落清1999/09–2003/06，湖北大學，數(shù)計學院數(shù)學與應用數(shù)學系，學士主持或參與科研項目（按時間倒序排序）：國家自然科學基金青年基金項目，61702167，大數(shù)據(jù)環(huán)境下保護用戶隱私的半監(jiān)督學習算法研究，2018/01–2020/12，26萬元，主持。期刊論文（按時間倒序排序）：[1] Ling Zuo， Yulong Wang. Error analysis for the semi-supervised algorithm under maximum correntropy criterion. Neurocomputing， 223： 45-53， 2017. （SCI二區(qū)）[2] Fangchao He， Ling Zuo， Hong Chen. Stability analysis for ranking with stationary φ-mixing samples. Neurocomputing， 171： 1556-1562， 2016. （SCI二區(qū)）[3] Ling Zuo， Luoqing Li， Chen Chen. The graph based semi-supervised algorithm with L1-regularizer. Neurocomputing， 149： 966-974， 2015. （SCI二區(qū)）

圖書目錄

目錄
第1章緒論(1)
1.1機器學習及其飛速發(fā)展(1)
1.2大數(shù)據(jù)環(huán)境下的半監(jiān)督學習(2)
第2章半監(jiān)督學習的背景知識(3)
2.1半監(jiān)督學習的提出(3)
2.2半監(jiān)督學習的基本假設(5)
2.3半監(jiān)督學習的典型方法(8)
2.4半監(jiān)督學習的一些理論結果(12)
2.4.1基于聚類假設的半監(jiān)督學習算法(12)
2.4.2基于圖的半監(jiān)督學習算法(17)
第3章基于圖的稀疏半監(jiān)督學習算法(23)
3.1大樣本的稀疏流形正則化(23)
3.2基于縮略圖的稀疏半監(jiān)督學習(28)
第4章勒讓德共軛在半監(jiān)督學習算法中的應用(34)
4.1勒讓德共軛的概念(34)
4.2稀疏多視角支持向量機(37)
4.3基于圖的稀疏半監(jiān)督學習算法(42)
4.3.1算法優(yōu)化(46)
4.3.2誤差分析(50)
4.3.3主要結果(54)
4.3.4實驗結果(56)
4.4小結(59)
第5章基于圖和系數(shù)正則化的半監(jiān)督學習算法(60)
5.1基于系數(shù)正則化的監(jiān)督學習算法(60)
5.2基于圖和系數(shù)正則化的半監(jiān)督學習算法介紹(61)
5.2.1學習速率(63)
5.2.2算法稀疏性(65)
5.3小結(66)
第6章總結與展望(67)
參考文獻(69)