-
题名融合实例和标记相关性增强消歧的偏多标记学习算法
- 1
-
-
作者
高光亮
梁广俊
洪磊
高谷刚
王群
-
机构
江苏警官学院计算机信息与网络安全系
-
出处
《信息网络安全》
CSCD
北大核心
2024年第11期1763-1772,共10页
-
基金
国家自然科学基金(72401110)
江苏省高等学校自然科学研究面上项目(23KJB520009)。
-
文摘
实例的候选标记集合包含真实标记和噪声标记。基于消歧的偏多标记学习旨在消除噪声标记,识别并预测与实例真正相关的标记。传统的消歧策略通常仅考虑标记间的相关性,忽略了实例间的相关性。为此,文章提出一种融合实例和标记相关性增强消歧的偏多标记学习算法,进而提升基于消歧的偏多标记学习性能。首先,依据真实标记矩阵的低秩性和噪声标记的稀疏性构建基础模型;然后,定义核函数以捕捉实例间的线性和非线性相关性,从而进一步消除噪声标记;最后,通过从特征空间到标记空间的线性映射,实现相关标记的预测。在合成和真实偏多标记数据集上的实验结果表明,与8种对比算法相比,文章所提算法在统计学上具有显著差异并且表现更好。
-
关键词
偏多标记学习
实例相关性
标记相关性
噪声标记消除
-
Keywords
partial multi-label learning
instance correlation
label correlation
noisy label elimination
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名偏多标记分类学习
- 2
-
-
作者
王小碧
-
机构
南昌航空大学数学与信息科学学院
-
出处
《应用数学进展》
2024年第4期1425-1432,共8页
-
文摘
在偏多标记学习中,以往研究者常将偏多标记分类和标记消歧过程独立进行,并且未考虑标记相关性的先验知识难以事先获得。为此,本文提出了偏多标记分类和标记消歧联合学习的算法(JPMLLD)。JPMLLD建立一个从样本特征到标记的映射;其次通过将观测标记矩阵分解的方式进行消歧;最后建立了一个偏多标记分类和标记消歧统一的联合学习框架。大量实验结果验证了本文提出的JPMLLD算法的有效性。
-
关键词
偏多标记学习
标记相关性
特征选择
低秩表示
稀疏表示
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
