标记相关性相关论文
在多示例多标记学习问题中，标记之间往往是相互关联的，其中有向无环图结构是一种常见的层次关联结构，可见于蛋白质的基因本体学生物学......
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......
情感识别是机器学习、信号处理、计算机视觉等领域的一个重要的实践和理论研究热点。先前的大量传统研究专注于特征的提取和分类方......
针对传统的ReliefF算法仅能处理单标记数据,以及其改进算法没有充分利用样本间相关性等问题,提出一种基于改进ReliefF的多标记特征......
近年来,如何解决标记多义性问题已成为机器学习和数据挖掘领域的一个热门研究点。在传统的机器学习框架中,比较成熟的标记多义性学......
多标记分类研究中,一个示例（由属性/特征向量表示）会关联多个类别标记,利用多标记数据可以构造一个从示例映射到类别标记集合的分类......
在传统多标记学习中,每个对象由单个特征向量构成的示例表示,学习系统的目标是构建由示例空间至标记空间幂空间的映射。一般而言,......
近些年来,作为一种新的有监督学习范式,标记分布学习(LDL)已被应用到多个领域,如人脸年龄估计、头部姿态估计、电影评分预测、公共......
多示例多标记学习(MIMLL,Multi-Instance Multi-Label Learning)是机器学习的一个重要分支。MIML学习框架中,一个样本由多个示例即......
在多标记学习中，每个对象用一个特征向量表示，它可以属于一个或多个类别标记，标记之间存在相互依赖性。多标记学习的任务就是为每个测......
多标记学习最早出现在文档分类问题中，由于歧义性问题的存在，造成一条数据可能同时具有多个不同的类别标记。多标记学习问题广泛存在......
最初,多标记学习是为了解决文档分类过程中遇到的语义分歧问题,自提出以来已逐渐成为数据挖掘和信息检索中的重要主题。现实生活中......
多标记学习是传统机器学习任务的一种框架,在多标记学习任务中,一个对象往往同时与多个语义标记相关联。现实场景下,精准标记信息......
随着机器学习的不断发展,单标记学习已无法满足现实世界中的应用需求,越来越多的学者开始着眼于研究多标记学习问题,该问题得到了......
多标记学习是机器学习领域中一种重要的学习范式,在过去几年的发展中,多标记学习算法被广泛应用到诸多多标记对象的学习场景中。随......
多标记学习是机器学习领域的一个重要研究方向,其学习对象可同时与多个标记相关联。与单标记学习相比,多标记学习的输出空间呈指数......
目前大部分已经存在的多标记学习算法在模型训练过程中所采用的共同策略是基于相同的标记属性特征集合预测所有标记类别.但这种思......
标记间的相关性在分类问题中具有重要作用,目前有研究将标记相关性引入多标记学习,通过分类器链的形式将标记结果引入属性空间,为......
本文针对多标记学习耗时大、很难处理大规模数据的问题,提出了一种哈希快速多标记学习算法（HFMLL）。该算法将哈希算法与多标记学习算......
针对当前多标记分类学习中建模高阶标记相关性存在的误差传播问题,提出一种基于类属特征和依赖标记的多标记分类算法(CFDL)。首先,......
在多标记分类中,某个标记可能只由其自身的某些特有属性决定,这些特定属性称之为类属属性.利用类属属性进行多标记分类,可以有效避......
现有的多标记降维算法常通过学习标记相关性构建样本间的相似关系,进而提高学习系统的性能.然而,在实际应用中,样本的标记信息可能......
随着近年来研究的深入,多标记学习已快速渗透到了各个领域中.在多标记学习中,每个实例对应着多个标记,且这些标记彼此之间相互关联......
多标记学习用于处理一个示例同时与多个类别标记相关的问题.在多标记学习中,标记相关性能够显著提升学习算法的性能.大多数现有的......
多标记学习框架中每个对象由一个示例(属性向量)表示,同时关联多个类别标记,该学习系统的任务是构建从示例映射到相关标记集合的预......
面部表情是人类传达情感的有效媒介,然而情感的复杂性导致表情识别问题中样例所对应的情感标记不能被确切定义。由于标记分布学习......
针对传统的基于启发式搜索的多标记特征选择算法时间复杂度高的问题,提出一种简单快速的多标记特征选择(EF-MLFS)方法。首先使用互......
多标记分类器链中标记的预测顺序具有随机性,导致学习性能下降,容易造成错误信息的传递.考虑到标记的顺序性,文中提出基于多标记重......
针对现有的特征选择算法大多未考虑不同标记对样本的描述程度可能存在差异的问题,提出一种不平衡标记差异性多标记特征选择算法(mu......
提出了多标记分类和标记相关性的联合学习（JMLLC）,在 JMLLC 中,构建了基于类别标记变量的有向条件依赖网络,这样不仅使得标记分类器......
基于极限学习机（ELM）的多标记学习算法多使用ELM分类模式，忽略标记之问存在的相关性．为此，文中提出结合关联规则与回归核极限学习机的多......
期刊
在多标记分类问题中,每个样本可以同时与多个标记类别相关,其中一些标记之间可能具有相关性,充分利用这些标记相关性,可优化分类性......
随着计算机技术和机器学习的发展,越来越多的实际应用涉及到多标记问题,如图像标注和个性化推荐等。在多标记问题中,一个示例可以......
在传统的监督学习框架中,每个示例隶属于一个标记。在现实生活中,一个示例可能并不仅仅只被一个标记描述,而是同时隶属于多个标记......
在传统的监督学习中,每个对象只隶属于一个标记。然而,在现实世界中,一个对象可能同时与多个标记相关。例如,一幅图像可能同时具有......
多标记学习是处理真实世界具有丰富语义对象的主要学习框架之一。在人工智能、机器学习等方面应用广泛。在多标记学习中,示例具有......
在多标记学习框架中,每个对象由一个示例(属性向量)描述,却同时具有多个类别标记.在已有的多标记学习算法中,一种常用的策略是将相......
在多标记学习系统中,每个样本同时与多个类别标记相关,却均由一个属性特征向量描述。大部分已有的多标记分类算法采用的共同策略是......
图像包含着复杂的信息,利用什么工具提取特征,用什么样的特征描述图像显得至关重要,特征提取在图像分类和检索等方面发挥着重要的......
多标记学习框架解决现实世界对象多义性问题,每个训练对象由一个示例(属性向量)描述,同时关联多个类别标记,其学习系统的任务是从......
