.png){kind=icon}
返回
Label distribution learning with structured manifold subspace
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131481.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种适用于标签分布的高阶相关度量，能够自适应地抑制大误差项。该度量本身对离群值和噪声不敏感，为实值标签分布内的相关性提供了更稳健的编码。
• 我们提出了一种最大相关熵正则化方法，将标签分布学习（LDL）与标签子空间聚类相结合以实现相互增强。该方法促进了一个更紧凑且准确的输出空间。
• 我们从理论上证明了，在子空间独立的假设下，学习得到的相关矩阵满足分块对角性质。
• 在常用基准数据集上进行的实验以及多个指标的结果均证明了我们方法的有效性。
