基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在传统的监督学习中,每个对象由单个实例表示且只属于一个类别标记。然而,在多标记学习中,每个对象由一个实例表示但可能同时属于多个类别标记,其任务是预测未知样本的类别标记集合。本文提出了基于正则化最小二乘的多标记分类算法,即将传统的正则化最小二乘分类推广到多标记学习中。首先,将多标记学习问题转化为多个独立的二分类问题(每个对应一个类别标记);其次,为了充分利用类别标记之间的相关信息,构建了基于类别标记的邻接图,其中每个节点代表一个类别标记,每条边的权重反映了相应类别标记对之间的相似性。最后,构建了建立在核函数基础上的多标记正则化最小二乘模型,并可以转化为求解一个 Sylvester方程。在8个基准数据集上用5种不同的评价准则进行度量的实验结果表明了本文算法优于其他6种常用的多标记分类算法。
推荐文章
一种角度加权的最小二乘目标定位算法
传感器
目标定位
最小二乘
加权最小二乘
波达方向估计
多变量LME一种异类约束最小二乘解的迭代算法
多变量LME
异类约束最小二乘解
极小范数解
迭代算法
最佳逼近
一种基于密度加权的最小二乘支持向量机稀疏化算法
最小二乘支持向量机
密度加权
稀疏化
磨机负荷
一种稳定的总体最小二乘自适应滤波算法
自适应滤波
总体最小二乘
瑞利商
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于正则化最小二乘的多标记分类算法
来源期刊 南京大学学报(自然科学版) 学科 工学
关键词 多标记学习 正则化最小二乘分类 二分类问题 核函数 Sylvester方程
年,卷(期) 2015,(1) 所属期刊栏目
研究方向 页码范围 139-147
页数 9页 分类号 TP181
字数 6271字 语种 中文
DOI 10.13232/j.cnki.jnju.2015.01.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何志芬 南京师范大学计算机科学与技术学院 3 37 3.0 3.0
5 吕静 南京师范大学计算机科学与技术学院 12 37 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (78)
参考文献  (16)
节点文献
引证文献  (3)
同被引文献  (2)
二级引证文献  (5)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(2)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多标记学习
正则化最小二乘分类
二分类问题
核函数
Sylvester方程
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京大学学报(自然科学版)
双月刊
0469-5097
32-1169/N
江苏省南京市南京大学
chi
出版文献量(篇)
2526
总下载数(次)
6
总被引数(次)
23071
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导