一种结合类别权重及多示例的多标记学习改进算法

• 作者: 李荣雨 杨小健 王杉杉
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 多标记学习 MIML 类别权重 自适应 惩罚策略
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 857-862
• 页数: 6页
• 分类号: TP391
• 字数: 6115字
• 语种: 中文

摘要

多标记学习主要用于解决单个样本同时属于多个类别的问题.传统的多标记算法在输入空间仅用单一示例表示多义性对象,过度简化了对象的复杂内涵,导致在表示阶段丢失重要信息.针对这一问题,提出一种结合类别权重及多示例的多标记学习改进算法CWMI-INSDIF.算法采用MIML(Multi-Instance Multi-Label learning)框架,在表示阶段,将学习样本分化为多示例包形式,在生成示例包过程中定义一组描述数据重要度的权重函数,并加入自适应惩罚策略,最终确定了学习样本中各部分信息的权重大小,从而在输入空间更好的描述了样本歧义性.算法给出了在公开数据集的实验结果.通过仿真分析,验证了本文提出的算法在学习性能和分类效果方面的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李荣雨	南京工业大学计算机科学与技术学院	39	213	8.0	12.0
2	杨小健	南京工业大学计算机科学与技术学院	33	191	7.0	10.0
3	王杉杉	南京工业大学计算机科学与技术学院	3	10	2.0	3.0