.png){kind=icon}
返回
Fine-grained local label correlation for multi-label classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113210.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
综合学习标签相关性有助于提升多标签分类的准确性。然而，现有方法主要关注探索相关性感知的原始特征或潜在子空间，却常常忽视了相关性在推导局部结构中的作用。这种忽视可能导致基于主题的标签相关性估计次优，从而造成信息损失。与基于传统单一粒度的局部标签相关性学习不同，我们提出了一个多粒度相关性特征增强（MGOFA）模型。MGOFA包含三个组成部分，逐步细化标签相关性的粒度：基于粒度的特征增强用于相对邻域基类倾向估计，基于粒度的潜在主题挖掘用于倾向感知的主题建模，以及细粒度标签相关性挖掘用于增强的局部标签相关性学习。实例之间的邻域基相似性信息被显式利用，并从两方面贡献于模型。首先，它诱导出与标签关联共享更多知识的潜在主题原型。其次，通过将其与原始特征集成，它细化了模型的判别粒度。这种表述通过分别从粗粒度和细粒度自动确定数据与知识的最佳解决方案，模拟了人类决策的观点。广泛的基准比较充分表明，MGOFA在令人满意的收敛性和敏感性的同时，优于当前最先进的方法。
Keyword:
Multi-granularity
Feature augmentation
Local label correlation
Label-specific features
Multi-label classification
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Granular correlation-based label-specific feature augmentation for multi-label classification基于颗粒相关性分析的标签特定特征增强方法用于多标签分类
.png){kind=icon}
PREAI
分享收藏Fine-grained recognition: Multi-granularity labels and category similarity matrix细粒度识别: 多粒度标签和类别相似度矩阵
PREAI
分享收藏Learning Label-Specific Features and Class-Dependent Labels for Multi-Label Classification用于多标签分类的学习标签特定特征和类别相关标签
PREAI
分享收藏Dual-Domain Aligned Deep Hierarchical Matrix Factorization Method for Micro-Video Multi-Label Classification用于微视频多标签分类的双域对齐深层分层矩阵分解方法
PREAI
分享收藏MG-GCN: Multi-Granularity Graph Convolutional Neural Network for Multi-Label Classification in Multi-Label Information SystemMg-gcn: 多标签信息系统中多标签分类的多粒度图卷积神经网络
PREAI
分享收藏分享收藏分享收藏
查看更多内容