多标记分类和标记相关性的联合学习

• 作者: 何志芬 刘会东 杨明
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 多标记学习 多标记分类 标记相关性 条件依赖网络 再生核希尔伯特空间 交替求解
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 大数据分析专刊
• 页码范围: 1967-1981
• 页数: 15页
• 分类号: TP181
• 字数: 13306字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004634

摘要

提出了多标记分类和标记相关性的联合学习(JMLLC),在 JMLLC 中,构建了基于类别标记变量的有向条件依赖网络,这样不仅使得标记分类器之间可以联合学习,从而增强各个标记分类器的学习效果,而且标记分类器和标记相关性可以联合学习,从而使得学习得到的标记相关性更为准确.通过采用两种不同的损失函数：logistic 回归和最小二乘,分别提出了JMLLC-LR(JMLLC with logistic regression)和JMLLC-LS(JMLLC with least squares),并都拓展到再生核希尔伯特空间中.最后采用交替求解的方法求解JMLLC-LR和JMLLC-LS.在20个基准数据集上基于5种不同的评价准则的实验结果表明,JMLLC优于已提出的多标记学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学数学科学学院	58	1074	15.0	32.0
5	何志芬	南京师范大学数学科学学院	3	37	3.0	3.0
9	刘会东	南京师范大学计算机科学与技术学院	3	34	2.0	3.0