標籤傳播算法(Label Propagation Algorithm)

1. 半監督學習(Semi-supervised Learning SSL)
半監督學習是一種有監督學習和無監督學習想結合的一種方法，其主要思想是基於數據分佈上的模型假設，利用少量的已標註數據進行指導並預測未標記數據的標記，併合併到標記數據集中去。

2. 完全圖
在圖論的數學領域，完全圖是一個簡單的無向圖，其中每對不同的頂點之間都恰連有一條邊相連。完整的有向圖又是一個有向圖，其中每對不同的頂點通過一對唯一的邊緣（每個方向一個）連接。n個端點的完全圖有n個端點以及n(n − 1) / 2條邊，以Kn表示。它是(k − 1)-正則圖。所有完全圖都是它本身的團（clique）

3. 標籤傳播算法的基本思路
標籤傳播算法是基於圖的半監督學習方法，基本思路是從已標記的節點的標籤信息來預測未標記的節點的標籤信息，利用樣本間的關係，建立完全圖模型。
每個節點標籤按相似度傳播給相鄰節點，在節點傳播的每一步，每個節點根據相鄰節點的標籤來更新自己的標籤，與該節點相似度越大，其相鄰節點對其標註的影響權值越大，相似節點的標籤越趨於一致，其標籤就越容易傳播。在標籤傳播過程中，保持已標記的數據的標籤不變，使其將標籤傳給未標註的數據。最終當迭代結束時，相似節點的概率分佈趨於相似，可以劃分到一類中。
--------------------- 
作者：詩蕊 
來源：CSDN 
原文：https://blog.csdn.net/Katherine_hsr/article/details/82343647 
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！