.png){kind=icon}
.png){kind=icon}
返回
Multi-view Partial Multi-label Learning via Label Distribution
.png){kind=icon}
PRE
AI
DOI：.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多视角部分多标签学习（MVPML）是一种整合多视角数据以处理含噪声标签的多标签分类任务的方法。传统MVPML方法通常采用二元逻辑标签表示样本-标签关系，从而忽略了标签描述样本的不同程度。此外，大多数现有方法假设样本的所有特征信息均为有效数据，但实践中，特征维度的增加不可避免地导致特征冗余。为解决上述问题，本文提出一种基于标签分布的多视角部分多标签学习算法，命名为MVPML_LD（通过标签分布的多视角部分多标签学习）。具体而言，首先，MVPML_LD学习样本相关性并将其纳入各视角的分类器中，以缓解冗余特征的负面影响。其次，通过利用特征空间和原始标签空间的信息构建伪标签分布矩阵。然后，减少伪标签与真实标签分布之间的差异，同时利用标签相关性和样本相关性约束真实标签分布。最后，采用自适应视角加权机制动态整合经样本相关性过滤后的多视角信息，并在统一的预测框架内与标签分布联合优化。在多视角部分多标签数据集上的大量实验验证了所提出方法的有效性。
Keyword:
multi-view learning
partial multi-label learning
label noise
label distribution
redundant features