多标记数据相关论文
作为多义性数据的学习建模框架，多标记学习已成为机器学习领域一个新的研究热点。和传统的监督学习问题一样，数据样本中的随机性、模......
在传统有监督学习问题中,若要得到性能较好的模型,往往需要在大量已标记样本上进行训练学习。但在很多实际任务中,特别是处理多标......
在计算机和互联网飞速发展的今天,不仅数据量变得越来越大,数据的形式也变的越来复杂,对数据的智能处理也变的尤为重要。其中模式......
随着大数据时代的发展,数据量呈现爆发式增长,数据的形式复杂多样,数据的语义日益丰富,特别是多标记高维数据的广泛存在,传统的单......
信息技术的高速发展催生了大数据时代,人类生产生活的各个领域数据海量增长。数据特征的高维性是大数据的重要特性之一,给数据挖掘......
众所周知,除非结构化、多模态、多关联等特性外,高维、多标记也是数据复杂性的主要表现形式。比如,一张图片可能同时包含“夕阳”......
随着大数据时代的发展,数据形式的复杂多样,数据语义的日益丰富。当前机器学习研究领域中应对标记多义性的学习范式为多标记学习。......
针对现有的多标记迁移学习忽略条件分布而导致泛化能力不足的问题,设计了一种基于联合分布的多标记迁移学习(Multi-label Transfer......
在实际生活当中,存在着大量的高维多标记数据,为解决维度灾难问题,通常需要约简属性集。针对目前的多标记属性约简算法未考虑标记......
提出一种针对弱标记的多标记数据集成学习分类方法，它通过采用基于相似性成对约束投影的方法来处理数据，更好地利用了弱标记样本的特......
粗糙集理论是一种处理不精确性、不完备性和不确定性问题的重要数学工具。由于经典粗糙集模型的分类条件是一种严格的不可分辨关系......
随着现代各种技术的迅速发展,现实生活中越来越多的应用与多标记数据密切相关,因此,多标记数据的分类方法及其应用成为当前数据挖......
在多粒度粗糙集模型中,粒度选择总是与正域有关.由于全体标记确定对象集上的分类过细,落入正域的对象很少或为空集,导致正域约简方......
