标记增强相关论文
传统的单标记学习只是用来解决对象的单义性问题,即一个示例仅仅与一个标记相关。然而,现实生活中的对象往往具有多义性,一个示例......
单标记学习和多标记学习可以为一个具体实例分配一个或多个与之相关的标记。这两种学习范式都可以指出哪些标记可以描述实例,然而......
监督学习是应用最为广泛的机器学习范式之一,监督学习算法可以在数据驱动下有效地学习特征空间到标记空间的映射关系。但当训练数......
在多标记学习任务中,一个示例对应多个标记,多标记学习与单标记学习相比有着更广泛的应用背景。但是在实际应用中很难获得完整的标......
近年来,随着硬件计算能力的提升和有标注数据的增长,人工智能领域的相关研究迎来了新一轮的快速发展。多标记学习作为人工智能领域......
标记端多义性是当今机器学习的热点问题。多标记学习中,每个样本都被赋予一组标记子集来表示其多种语义信息。然而,标记强度差异现......
多标记特征选择是机器学习和人工智能领域的研究热点之一,现有多标记学习的研究是假设每个示例的标记呈均匀分布,即每个示例的各个......
在传统监督学习中,每个训练样本由一个训练示例和一个类标记组成。在现实世界的应用中,每个训练示例有可能和多个类标记关联。多标......
针对多标记学习中特征噪声和标记噪声经常共同出现的问题,提出了一种图趋势过滤诱导的噪声容错多标记学习模型(GNTML)。该模型通过......
