PhD Thesis Semi-Supervised Ensemble Methods for Computer Vision

List of Algorithms
2.1 AdaBoost [Freund and Schapire, 1997] . . . . . . . . . . . . . . . . . . . 15
2.2 On-line Boosting for feature selection . . . . . . . . . . . . . . . . . . . 19
2.3 Random Forest [Breiman, 2001] . . . . . . . . . . . . . . . . . . . . . . 21
3.1 Expectation Maximization . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Co-Training [Blum and Mitchell, 1998] . . . . . . . . . . . . . . . . . . 32
4.1 SemiBoost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Simple data mining for informative unlabeled data . . . . . . . . . . . . . 56
5.1 On-line SemiBoost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2 On-line GradientBoost . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3 On-line SERBoost with logistic loss . . . . . . . . . . . . . . . . . . . . 80
6.1 Semi-supervised Random Forests . . . . . . . . . . . . . . . . . . . . . . 90
7.1 On-Line Random Forests . . . . . . . . . . . . . . . . . . . . . . . . . . 100
7.2 Temporal Knowledge Weighting . . . . . . . . . . . . . . . . . . . . . . 101
7.3 On-Line Semi-supervised Random Forests . . . . . . . . . . . . . . . . . 102
8.1 MILForests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
xiii