DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/9341

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
CruzVellidoHAIS09print.pdfarticle197,82 kBAdobe PDF Accés restringit

Citació: Cruz, R.; Vellido, A. Comparative evaluation of semi-supervised geodesic GTM. A: International Conference on Hybrid Artificial Intelligence Systems. "4th International Conference Hybrid Artificial Intelligence Systems". Salamanca: 2009, p. 344-351.
Títol: Comparative evaluation of semi-supervised geodesic GTM
Autor: Cruz Barbosa, Raúl Veure Producció científica UPC; Vellido Alcacena, Alfredo Veure Producció científica UPC
Data: 2009
Tipus de document: Conference report
Resum: In many real problems that ultimately require data classification, not all the class labels are readily available. This concerns the field of semi-supervised learning, in which missing class labels must be inferred from the available ones as well as from the natural cluster structure of the data. This structure can sometimes be quite convoluted. Previous research has shown the advantage, for these cases, of using the geodesic metric in clustering models of the manifold learning family to reveal the underlying true data structure. In this brief paper, we present a novel semi-supervised approach, namely Semi-Supervised Geo-GTM (SS-Geo-GTM). This is an extension of Geo-GTM, a variation on the Generative Topographic Mapping (GTM) manifold learning model for data clustering and visualization that resorts to the geodesic metric. SS-Geo-GTM uses a proximity graph built from Geo-GTM manifold as the basis for a label propagation algorithm that infers missing class labels. Its performance is compared to those of a semi-supervised version of the standard GTM and of the alternative Laplacian Eigenmaps method.
URI: http://hdl.handle.net/2117/9341
DOI: DOI: 10.1007/978-3-642-02319-4_41
Apareix a les col·leccions:SOCO - Soft Computing. Ponències/Comunicacions de congressos
Departament de Ciències de la Computació. Ponències/Comunicacions de congressos
Altres. Enviament des de DRAC
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius