融合标签结构依赖性的标签分布学习

• 作者: 张恒汝 徐媛媛 闵帆 黄雨婷
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 标签分布学习 标签扩展 标签恢复 标签结构依赖性 有限存储拟牛顿法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 概念表示和学习
• 页码范围: 524-532
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.04.010

摘要

针对现有标签分布学习(Label Distribution Learning,LDL)算法较少考虑标签间关联性的问题,提出一种融合结构化标签依赖性的LDL算法.算法分为扩展、学习和恢复三个阶段:在扩展阶段,结合成对标签之间的关联性,构建结构化标签依赖性;在学习阶段,结合该依赖性,构建学习框架;在恢复阶段,利用最小二乘法求解超定方程组以预测标签分布.与七种常用的标签分布学习算法相比,在八个开放数据集上进行实验,提出的算法在Euclidean距离、Sφrensen距离、Squard x2距离、Kullback-Leibler散度、Intersection相似度和Fidelity相似度六个主流评估指标上明显占优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闵帆		16	19	3.0	4.0
2	黄雨婷		5	2	1.0	1.0
3	徐媛媛		10	7	2.0	2.0
4	张恒汝		8	2	1.0	1.0