.png){kind=icon}
返回
Active label distribution learning via kernel maximum mean discrepancy
.png){kind=icon}
PRE
AI
DOI：10.1007/s11704-022-1624-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
标签分布学习 (Label distribution learning，LDL) 是一种处理标签歧义的新的学习范式，许多研究取得了突出的成绩。与传统的监督学习场景相比，具有标签分布的注释更加昂贵。直接使用旨在降低传统学习中的注释成本的现有主动学习 (AL) 方法可能会导致其性能下降。为了解决LDL中注释成本高的问题，我们提出了通过内核最大均值差异的主动标签分布学习 (aldl-kmmd) 方法来解决这个关键但很少研究的问题。Aldl-kmmd捕获数据和标签的结构信息，通过结合非线性模型和边际概率分布匹配，从未标记的实例中提取最具代表性的实例。此外，它还能够显着减少查询的未标记实例的数量。同时，通过构造辅助变量，对aldl-kmmd的原始优化问题提出了一种有效的解决方案。在真实数据集上的实验验证了我们方法的有效性。
Keyword:
label distribution learning
active learning
maximum mean discrepancy
auxiliary variable
期刊
IF:
4.6
论文数:
1.6K
被引数:
2.8K
机构
引用论文
X-ray photovoltaic effect in undoped LiNbO3 and its correlation with ESR未掺杂LiNbO3的x射线光伏效应及其与ESR的相关性
PREAI
分享收藏Performance of Selected Herbaceous Annual Ornamentals Grown at Decreasing Levels of Irrigation在灌溉水平降低的情况下生长的某些草本一年生观赏植物的性能.png)
HortScience
OAAI
HortScienceIF0
OAAI分享收藏Insulin-like growth factor 2 and its enterocyte receptor are not required for adaptation in response to massive small bowel resection胰岛素样生长因子2及其肠上皮细胞受体不需要适应大量小肠切除术
OAAI
OAAI分享收藏Visual deficits and cognitive assessment of multiple sclerosis: confounder, correlate, or both?多发性硬化症的视觉缺陷和认知评估: 混杂，相关，或两者兼而有之？
PREAI
分享收藏
查看更多内容