Apprentissage Semi-Supervisé Amélioré par Ensemble avec Construction de Graphes Optimisée pour des Données Hautement Dimensionnelles

Les méthodes basées sur des graphes ont démontré une performance exceptionnelle dans la classification semi-supervisée. Cependant, les méthodes basées sur des graphes existantes construisent généralement soit un graphe prédéfini dans l'espace original, soit un graphe adaptatif dans l'espace de sortie, ce qui limite souvent leur capacité à utiliser pleinement les informations antérieures et à capturer la distribution intrinsèque optimale des données, en particulier dans les données hautement dimensionnelles avec de nombreuses caractéristiques redondantes et bruyantes. Cet article introduit une approche novatrice : Classification Semi-Supervisée avec Construction de Graphes Optimisée (SSC-OGC). SSC-OGC exploite à la fois des graphes prédéfinis et adaptatifs pour explorer la distribution intrinsèque des données et utiliser efficacement les informations antérieures. De plus, un terme de régularisation par contrainte de graphe (GCR) et un terme de régularisation par contrainte collaborative (CCR) sont incorporés pour améliorer la qualité de la structure de graphe adaptatif et de l'espace sous-jacent appris, respectivement. Pour éliminer l'effet négatif de la construction d'un graphe prédéfini dans l'espace de données original, nous proposons également un cadre hybride amélioré par ensemble basé sur la méthode de Construction de Graphe Optimisée proposée (HSE-OGC). Plus précisément, nous construisons plusieurs sous-espaces hybrides, qui consistent en des caractéristiques soigneusement choisies à partir des données originales pour atteindre des représentations d'espace de haute qualité et diversifiées. Ensuite, HSE-OGC construit plusieurs graphes prédéfinis au sein des sous-espaces hybrides et entraîne plusieurs classificateurs SSC-OGC pour se compléter mutuellement, améliorant considérablement la performance globale. Les résultats expérimentaux effectués sur divers ensembles de données hautement dimensionnels démontrent que HSE-OGC présente des performances exceptionnelles.