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:
对于高维标签的分类问题,标签嵌入法已经受到广泛关注.现有的嵌入方法大都需要完整的标签信息,也没有将特征空间考虑在内;同时,由于数据进行人工标注的成本高以及噪声干扰等原因,仅能获得数据的部分标签信息,使得含有缺失标签的高维标签分类问题变得更加复杂.为解决这一问题,提出一种弱标记嵌入算法(Label Embedding for Weak Label Classification,LEWL).该算法利用矩阵的低秩分解模型,结合样本的流形结构恢复缺失标签;同时采用希尔伯特-施密特独立标准技术(Hilbert-Schmidt Independence Criterion,HSIC)使特征和标签相互作用,联合学习获得一个低维的嵌入空间,可以有效地减少模型的训练时间.通过在七个多标签数据集上与其他算法的对比实验,结果表明了所提算法的有效性.
推荐文章
基于嵌入式特征提取的多标记分类算法
多标记学习
非负矩阵分解
特征提取
降维
乘性迭代
特征转换
一种基于嵌入式Linux的MD机制研究
嵌入式Linux
MD
软RAID
进程管理
一种基于嵌入式零树小波的图像编码算法
图像编码
小波变换
嵌入式零树小波
一种基于离散余弦变换的嵌入式图像编码算法
图像
嵌入式编码
离散余弦变换
均方根误差
峰值信噪比
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 一种基于嵌入式的弱标记分类算法
来源期刊 南京大学学报(自然科学版) 学科 工学
关键词 弱标记学习 标签嵌入 低秩分解 希尔伯特-施密特独立标准 缺失标签
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 549-560
页数 12页 分类号 TP301.6
字数 语种 中文
DOI 10.13232/j.cnki.jnju.2020.04.013
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 杨有龙 44 147 7.0 10.0
2 李亚重 1 0 0.0 0.0
3 仇海全 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
弱标记学习
标签嵌入
低秩分解
希尔伯特-施密特独立标准
缺失标签
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