Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Learning from Labeled and Unlabeled Data on a Directed Graph

Zhou, D., Huang, J., & Schölkopf, B. (2005). Learning from Labeled and Unlabeled Data on a Directed Graph. In S. Jozef Stefan Institute, Slovenia Program Chairs: Luc D, L. de Raedt, & S. Wrobel (Eds.), ICML '05: 22nd international conference on Machine learning (pp. 1036-1043). New York, NY, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-D4BB-6 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0005-0E1E-C
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
LPDG_3463.pdf (beliebiger Volltext), 343KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0005-0E1F-B
Name:
LPDG_3463.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1102351.1102482 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Zhou, D1, 2, Autor           
Huang, J, Autor           
Schölkopf, B1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We propose a general framework for learning from labeled and
unlabeled data on a directed graph in which the structure of the
graph including the directionality of the edges is considered. The
time complexity of the algorithm derived from this framework is
nearly linear due to recently developed numerical techniques. In
the absence of labeled instances, this framework can be utilized
as a spectral clustering method for directed graphs, which
generalizes the spectral clustering approach for undirected
graphs. We have applied our framework to real-world web
classification problems and obtained encouraging results.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2005-08
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 3463
DOI: 10.1145/1102351.1102482
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 22nd International Conference on Machine Learning (ICML 2005)
Veranstaltungsort: Bonn, Germany
Start-/Enddatum: 2005-08-07 - 2005-08-11

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: ICML '05: 22nd international conference on Machine learning
Genre der Quelle: Konferenzband
 Urheber:
Jozef Stefan Institute, Slovenia Program Chairs: Luc D, S, Herausgeber
de Raedt, L, Herausgeber
Wrobel, S, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: New York, NY, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1036 - 1043 Identifikator: ISBN: 1-59593-180-5