多标记分类和标记相关性的联合学习

被引：21

作者：

何志芬 ^{[1
,2
]}

杨明 ^{[1
,2
]}

刘会东 ^{[2
]}

机构：

[1] 南京师范大学数学科学学院

[2] 南京师范大学计算机科学与技术学院

来源：

软件学报 | 2014年 / 25卷 / 09期

关键词：

多标记学习; 多标记分类; 标记相关性; 条件依赖网络; 再生核希尔伯特空间; 交替求解;

D O I：

10.13328/j.cnki.jos.004634

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

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之间可以联合学习,从而增强各个标记分类器的学习效果,而且标记分类器和标记相关性可以联合学习,从而使得学习得到的标记相关性更为准确.通过采用两种不同的损失函数:logistic回归和最小二乘,分别提出了JMLLC-LR(JMLLC with logistic regression)和JMLLC-LS(JMLLC with least squares),并都拓展到再生核希尔伯特空间中.最后采用交替求解的方法求解JMLLC-LR和JMLLC-LS.在20个基准数据集上基于5种不同的评价准则的实验结果表明,JMLLC优于已提出的多标记学习算法.

引用

页码：1967 / 1981

页数：15