.png){kind=icon}
返回
Distributed Semi-Supervised Multi-Dimensional Uncertain Data Classification over Networks
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14234634.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分布式多维分类，即网络中的多个节点基于各自的局部数据和从邻居交换的少量信息诱导出一个多维分类器，近年来在学术界受到了广泛关注。然而，我们观察到，经典的分布式多维分类框架要求所有训练数据具有明确的特征属性和完整的标签。但在实际场景中，由于分布式网络中的测量误差，收集到的数据样本包含具有不确定性的属性。此外，大量多维数据在标签获取方面面临挑战。因此，在这种情况下实现满意性能的关键是设计一种有效的方法来建模输入不确定性并利用训练数据中的弱监督信息。鉴于此，本文设计了一种新颖的误分类损失函数，通过将其视为对潜在数据分布的误分类损失的积分，从不确定数据中提取有效信息。此外，我们提出了一种新的显式特征映射来构建非线性判别函数。在此基础上，我们进一步提出了一种新颖的流形正则化项来恢复多维标签，并简化原始目标函数以使其可优化。通过利用梯度下降方法，我们优化了简化的去中心化成本函数并获得了全局最优解。我们在多个真实数据集上评估了所提出的分布式半监督多维不确定数据分类算法（即dSMUDC算法）的性能。实验结果表明，在所有指标上，我们提出的算法显著优于现有方法。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Unified Distributed Machine Learning for 6G Intelligent Transportation Systems: A Hierarchical Approach for Terrestrial and Non-Terrestrial NetworksNaseh, D.; Bozorgchenani, A.; Shinde, S.S.; Tarchi, D. 统一分布式机器学习在6G智能交通系统中的应用：适用于地面和非地面网络的分层方法。Network 2025, 5, 41. [Google Scholar] [CrossRef].png)
NETWORKOAAI
NETWORKIF3.1
OAAI分享收藏Distributed Partial Label Multi-Dimensional Classification via Label Space Decomposition徐Z.; 陈S. 通过标签空间分解进行分布式部分标签多维分类。Electronics 2025, 14, 2623. [Google Scholar] [CrossRef]Electronics
ElectronicsIF0
PREAI
分享收藏
查看更多内容