基于联合子空间与多源适应学习的多标签视觉分类

• 作者: 严良达 陶剑文
• 来源期刊: 西北师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 共享子空间学习 多源适应学习 视觉分类 多标签学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: ? 计算机与信息科学 ?
• 页码范围: 56-63
• 页数: 8页
• 分类号: TP311
• 字数: 6328字
• 语种: 中文
• DOI: 10.16783/j.cnki.nwnuz.2016.06.012

摘要

传统的视觉分类方法普遍忽视了多标签间的相关性和大量相关源数据的判别信息.为此,基于共享子空间和领域适应学习方法,针对多标签视觉分类问题,提出了一种新的联合子空间和多源适应学习的多标签视觉分类方法,简称为多源适应多标签学习(Multi-Source adaptation Multi-Label learning,MSML).MSML 将综合考虑多标签相关性、灵活的特征相似性嵌入和多源模型的适应学习等目标,并将其融为一个统一的学习模型,其全局最优解只需通过一个广义特征分解问题的求解便可获得.在视频概念识别、自动图像标注等实际应用中进行比较分析,结果显示了本文方法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶剑文	浙江大学宁波理工学院信息科学与工程学院	6	20	3.0	4.0
2	严良达	浙江工商职业技术学院数字传媒学院	20	39	3.0	5.0