《表1 基于图、基于伪标签、基于SVM方法的优缺点》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《半监督特征选择综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于Sheikhpour等人[6]的研究，考虑到半监督特征选择方法与半监督机器学习之间的区别与联系，本文进一步对现有的方法及研究方向进行了整理和归纳，将半监督特征选择方法分为基于图的半监督特征选择方法、基于伪标签的半监督特征选择方法、基于支持向量机的半监督特征选择方法以及其他半监督特征选择方法。图1描述了本文对半监督特征选择方法进行分类后的层次结构。基于图的方法为数据集建立近邻图，并且根据特征对图几何结构的保持能力来识别相关特征。基于伪标签的半监督特征选择方法使用数据集的有标签数据训练用于标记无标签数据的分类器，通过生成伪标签的方式将半监督数据集转换为有监督数据集，进而使用有监督特征选择方法或其他学习器相关方法完成特征选择。基于支持向量机的半监督特征选择方法借助半监督支持向量机，在模型训练过程中完成特征选择。其他半监督特征选择方法主要包括基于稀疏模型、粗糙集以及信息论的方法，此类方法大多由某种有监督特征选择方法扩展而来。表1概括了基于图、基于伪标签以及基于支持向量机的三类半监督特征选择方法的优缺点。