简介
半监督学习是近年来机器学习领域中的热点问题,其研究如何利用少量的标记样本和大量的未标记样本训练学习机器, 并且通过未标记样本来改善学习机器的推广性能。本书致力于分析大数据环境下的具有隐私保护性能的半监督学习算法设计与理论分析。其主要内容包括:图正则化半监督算法的设计与稀疏性研究,如何从理论上给出误差分析;保护用户隐私的熵正则化半监督算法。同时,提出熵正则化半监督算法的误差分析方案,建立其收敛速率。最后,展开对设计算法的隐私保护性能分析的研究。
编辑推荐
半监督学习是近年来机器学习领域中的热点问题,其研究如何利用少量的标记样本和大量的未标记样本训练学习机器, 并且通过未标记样本来改善学习机器的推广性能。本书致力于分析大数据环境下的具有隐私保护性能的半监督学习算法设计与理论分析。其主要内容包括:图正则化半监督算法的设计与稀疏性研究,如何从理论上给出误差分析;保护用户隐私的熵正则化半监督算法。同时,提出熵正则化半监督算法的误差分析方案,建立其收敛速率。最后,展开对设计算法的隐私保护性能分析的研究。
更多出版物信息
- 版权: 华中科技大学出版社
- 出版: 2021-06-01
- 更新: 2023-03-22
- 书号:9787568071802
- 中图:TP181
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术