.png){kind=icon}
返回
Label distribution learning via robust interval estimation
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07101-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
标签分布学习是一种处理标签多义性场景的流行学习范式，能够提供丰富的语义信息，并应用于许多实际任务。然而，标注训练标签分布具有挑战性，这不可避免地引入不确定性、噪声和偏差到标签分布中。为缓解此问题，本文提出了一种基于标签分布鲁棒区间估计的标签分布学习方法。具体而言，我们首先建立了标签分布的鲁棒区间估计方法，以捕捉标签分布中的不确定性。随后，我们提出了一种损失函数和相应的标签分布学习算法，用于衡量鲁棒区间的训练误差并预测标签分布。为验证所提出算法的有效性，进行了大量实验。结果表明，本文提出的算法在统计上优于比较算法，并在90.63%的情况下达到最优性能。
Keyword:
Label distribution learning
Robust
Interval valued learning
Machine learning
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
Semi-supervised label distribution learning via global factorization and local constrain半监督标签分布学习：基于全局分解和局部约束.png)
Neurocomputing
NeurocomputingIF6.5
PREAI
分享收藏
Linear regression of interval-valued data based on complete information in hypercubes超立方体中基于完全信息的区间值数据线性回归
PREAI
分享收藏
查看更多内容