基于图滤波的高效半监督学习

CVPRJan, 2019

Label Efficient Semi-Supervised Learning via Graph Filtering

Qimai Li, Xiao-Ming Wu, Han Liu, Xiaotong Zhang, Zhichao Guan

TL;DR提出了一种基于图滤波器的半监督学习框架，能够将数据特征作为图信号注入图相似性中，并使用低通滤波器从图信号中抽取有用的数据表示，从而实现标签高效的半监督学习，同时能够改善现有的图卷积网络和标签传播方法的建模能力和减少模型复杂度。

Abstract

graph-based methods have been demonstrated as one of the most effective approaches for semi-supervised learning, as they can exploit the connectivity patterns between labeled and unlabeled data samples to improve

semi-supervised learning graph-based methods graph filtering label propagation graph convolutional networks

发现论文，激发创造

基于图的半监督学习的灵活生成性框架

本文提出了一个基于图结构的半监督学习的生成框架，通过逼近节点特征，标签和图结构的联合分布，使用可扩展的变分推断技术来推断缺失的标签，并在基准数据集上进行了全面的实验，结果表明该方法在大多数设置中优于现有的最先进模型。

May, 2019

基于图高斯过程的贝叶斯半监督学习

提出了一种基于高斯过程的贝叶斯方法对图中的半监督学习问题进行高效数据处理，与目前最先进的图神经网络相比，该模型表现出极强的竞争力，在标记稀少的主动学习实验中超越了神经网络，并且模型不需要验证数据集来控制过拟合。

Sep, 2018

高效学习图形进行半监督学习

本研究提出了一种利用多个数据集学习半监督学习图的算法，最终实现了在已知图或者未知图的情况下提高计算效率。

Jun, 2023

在线图构建的卷积神经网络半监督学习

本文提出了一种适用于深度卷积神经网络的在线构建图形的半监督学习算法，以利用未标记数据提高监督学习的泛化能力。与传统的半监督学习方法相比，我们的方法使用基于网格输出的动态构建图形来更新网络，获得更好的效果。

Nov, 2015

图卷积网络的半监督分类

本研究提出了一种可扩展的半监督学习方法，该方法基于一种直接作用于图形的高效卷积神经网络变体，通过局部一阶逼近实现了谱图卷积的选择，其模型在节点数量上线性地扩展并学习编码局部图结构和节点特征的隐藏层表示，在引用网络和知识图数据集上的若干实验中，证明了我们的方法的明显优越性。

Sep, 2016

改进的基于图的半监督学习方案

通过对高斯随机场学习和泊松学习算法进行改进，我们在图形半监督学习领域提高了对少标签大数据集的分类准确性，并创建了更强大的算法，实验结果证明了这些方法在不平衡数据集环境下优于传统的图形半监督技术。

Jun, 2024

基于图的标签传播在半监督说话人识别中的应用

本文提出了一种基于图形的半监督学习方法，用于家庭情景下的说话人识别，以利用未标记的语音样本，并在 VoxCeleb 数据集上的实验中显示出，与两种最先进的评分方法以及基于伪标签的半监督变量相比，该方法有效地利用了未标记的数据并提高了说话人识别的准确性。

Jun, 2021

一种统一的生成模型用于图学习算法：标签传播、图卷积和组合

本文提出了一个马尔可夫随机场模型来统一解释半监督学习中的标签传播和图神经网络算法，并给出了一个新的算法叫做线性图卷积，在实际数据上表现出色。

Jan, 2021

使用采样理论进行图信号主动半监督学习

提出了一种基于图信号采样理论的离线池式主动半监督学习框架，该框架使用节点选择来最大化从采样集重构信号的频率，以解决有限的已标记数据但有大量未标记数据的问题。

May, 2014

不充分和不正确监督下的学习

本文提出了一种新颖的半监督学习范式，旨在解决标签不足和标签不准确的问题，该方法使用图来连接数据点以便在图边沿将标签信息从稀少标记示例传播到未标记的示例。实验证明，该方法在图像分类、文本分类和语音识别等领域有效降低标签误差，表现优于其他现有的半监督学习方法。

Feb, 2019