大数据环境下的半监督学习算法的设计与分析

　　半监督学习是近年来机器学习领域中的热点问题，其研究如何利用少量的标记样本和大量的未标记样本训练学习机器， 并且通过未标记样本来改善学习机器的推广性能。本书致力于分析大数据环境下的具有隐私保护性能的半监督学习算法设计与理论分析。其主要内容包括：图正则化半监督算法的设计与稀疏性研究，如何从理论上给出误差分析；保护用户隐私的熵正则化半监督算法。同时，提出熵正则化半监督算法的误差分析方案，建立其收敛速率。*后，展开对设计算法的隐私保护性能分析的研究。

　　左玲，湖北工业大学，理学院，副教授研究方向和主要研究内容：机器学习，半监督学习算法的构造与理论分析。教育经历（从大学本科开始，按时间倒序排序）：2010/09–2014/12，湖北大学，数学与统计学学院数学系，博士，导师：李落清2003/09–2006/06，湖北大学，数计学院应用数学系，硕士，导师：李落清1999/09–2003/06，湖北大学，数计学院数学与应用数学系，学士主持或参与科研项目（按时间倒序排序）：国家自然科学基金青年基金项目，61702167，大数据环境下保护用户隐私的半监督学习算法研究，2018/01–2020/12，26万元，主持。期刊论文（按时间倒序排序）：[1] Ling Zuo， Yulong Wang. Error analysis for the semi-supervised algorithm under maximum correntropy criterion. Neurocomputing， 223： 45-53， 2017. （SCI二区）[2] Fangchao He， Ling Zuo， Hong Chen. Stability analysis for ranking with stationary φ-mixing samples. Neurocomputing， 171： 1556-1562， 2016. （SCI二区）[3] Ling Zuo， Luoqing Li， Chen Chen. The graph based semi-supervised algorithm with L1-regularizer. Neurocomputing， 149： 966-974， 2015. （SCI二区）