资料下载
×
一种改进的主动标记分布学习算法
消耗积分:0 |
格式:rar |
大小:1.97 MB |
2021-05-07
分享资料个
标记分布学习是在以标记分布标注的示例上学习的新型学习范式，近年来已成功应用于面部年龄估计、头部姿势估计和情感识别等实际场景中。在标记分布学习中，需要足够多的标记分布数据才能训练岀预测性能好的模型。然而，标记分布学习有时会面临标记数据不足和注释成本太高的困境。基于边际概率分布匹配的主动标记分布学习（ Active Label distributionLearning Based on Marginal Probability Distribution Matching， ALDL-MMD）算法是针对标记分布学习注释成本过高的问题而设计的，以减少训练模型所需的标注数据量，从而降低注释成本。ALDL-Mw算法训练了一个线性回归模型，在保证其训练误差最小的同时，学习一个反映未标记数据上选点需求的稀疏向量，使选点后的训练集和未标记集的数据分布尽量相似，并对这个向量做松弛化处理，以简计算。在多个标记分布数据集上的实验结果表明，在“ Canberra metric”和¨ Intersection”这两个衡量标记分布的指标上， ALDL-MMD算法优于已有的主动示例选择方法，体现了其在降低注释成本方面的有效性。
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
