资料下载
×
一种基于间隔准则的多标记学习算法
消耗积分:0 |
格式:pdf |
大小:未知 |
2021-03-26
分享资料个
针对多标记学习分类问题，算法适应方法将其转化为排序问题，并将输出标记按照其与示例的相关性进行排序，该类方法取得了较好的分类效果。基于间隔准则提出一种多标记学习算法，通过优化模型在示例的相关标记集合中最小输出与不相关标记集合中最大输出的间隔损失来进行标记排序。在此基础上，为充分利用全部标记信息，提出一种改进的优化排序多标记学习算法，分别优化模型在示例的相关标记集合中平均输出与不相关标记集合中最大输出的间隔损失，以及优化模型在相关标记集合中最小输出与不相关标记集合中平均输出的间隔损失，从而实现标记排序。在模型的参数学习过程中，使用改进的次梯度 Pegasos算法进行优化。将所提2种算法与ML-RBMLL、ML-KNN多标记学习算法在4个多标记数据集上进行对比实验，结果表明，在HL、RL等5种不同的评价准则下，2种算法均能与对比算法取得相近的分类性能。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
