Label distribution learning with correlation information

Yilin Wu

doi:10.1016/j.engappai.2025.111591

Label distribution learning with correlation information

2025-07-30

0

PRE

AI

DOI：10.1016/j.engappai.2025.111591

原文链接

原文求助

摘要

En 中文

标签分布学习量化了每个实例的标签空间，并在各个领域具有广泛的应用。然而，现有的大部分工作主要关注标签相关性，但在捕捉实例相关性方面存在不足。同时，传统的标签分布学习是按单个标签顺序进行的，这限制了常见特征的应用潜力。因此，本文提出了一种结合相关性信息的标签分布学习方法，即实例相关性和标签相关性。具体而言，实例相关性和标签相关性分别通过优化函数和Pearson相关系数识别。此外，我们采用ℓ2,1正则化来挖掘常见特征。在十二个公开数据集上进行的全面实验表明，与现有的标签分布学习算法相比，我们提出的方法具有更高的有效性。

Keyword:

label distribution learning

instance correlation

label correlation

common features

ℓ2,1 regularization

Label distribution learning with correlation information

摘要

期刊

机构

引用论文