|
|||||
|
|
| 融合标签结构依赖性的标签分布学习 | |
| 作者姓名： | 黄雨婷 徐媛媛 张恒汝 闵帆 |
| 作者单位： | 1. 西南石油大学计算机科学学院;2. 西南石油大学人工智能研究院 |
| 基金项目： | 国家自然科学基金(61902328)；;四川省科技厅应用基础研究(2019YJ0314)； |
| 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、S?rensen距离、Squard χ2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. |
| 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 |