1、2023-1-91问题问题2023-1-92参考资料参考资料2023-1-93概念概念2023-1-94举例举例2023-1-95举例举例2023-1-96意义意义2023-1-97方法方法2023-1-98人类是否进行半监督学习？人类是否进行半监督学习？2023-1-99人类是否进行半监督学习？人类是否进行半监督学习？2023-1-910人类是否进行半监督学习？人类是否进行半监督学习？2023-1-911人类是否进行半监督学习？人类是否进行半监督学习？2023-1-912人类是否进行半监督学习？人类是否进行半监督学习？2023-1-913人类是否进行半监督学习？人类是否进行半监督学习？202
2、3-1-914第一个半监督学习算法第一个半监督学习算法2023-1-915传导推理传导推理2023-1-916传导推理传导推理郭崇慧 大连理工大学Slide 17数据线性不可分郭崇慧 大连理工大学Slide 18构造软间隔分类超平面n原优化模型原优化模型 Minimize Subject ton对偶优化模型对偶优化模型 Maximize Subject toliiCww1221)(lilibxwyiiii,.,1,0,.,1,1)(liljijijijiixxyyW11,21)()(liCyiliii,.,1,0012023-1-919SVM的等价表示的等价表示2023-1-920Transd
3、uctive SVM2023-1-921TSVM举例举例2023-1-922TSVM举例举例2023-1-923TSVM举例举例2023-1-924Transductive SVM2023-1-925Transductive SVM2023-1-926TSVM技术上的问题技术上的问题2023-1-927TSVM的精度的精度Zhang,T.,&Oles,F.J.(2000).2023-1-928Inference with the Universum2023-1-929Universum SVM2023-1-930实验结果实验结果2023-1-931Self-Training（Bootstrap
4、ping）训练集未标数据分类器将“最确定”的分类结果加入训练集重新训练阈值2023-1-932总结总结2023-1-933Generative模型模型2023-1-934Generative模型模型2023-1-935实验结果实验结果2023-1-936总结总结2023-1-937Co-Training训练集分类器1分类器2未标数据结果1结果22023-1-938Co-Training2023-1-939总结总结2023-1-940Alternating Structure Optimization2023-1-941Alternating Structure Optimization2023-1-942实验实验 CoNLL20032023-1-943总结总结2023-1-944Graph-Based Methods2023-1-945Graph-Based Methods2023-1-946图示图示2023-1-947总结总结2023-1-948目前半监督学习的规模目前半监督学习的规模2023-1-949挑战挑战2023-1-950总结总结2023-1-951谢谢！谢谢！
