论文部分内容阅读
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．传统的多标记学习通常假设训练数据集合有大量有标记的训练样本．然而在许多实际问题中，大量训练样本中通常只有少量有标记的训练样本．为了更好地利用丰富的未标记训练样本以提高分类性能，提出了一种基于正则化的归纳式半监督多标记学习方法——MASS．具体而言，MASS首先在最小化经验风险的基础上，引入两种正则项分别用于约束分类器的复杂度及要求相似样本拥有相似结构化多标记输出，然后通过交替优化技术给出快速解法．在网页分类和基因功能分析问题上的实验结果验证了MASS方