.png){kind=icon}
返回
Nonlinear perturbed label-based graph regularized multi-label learning with missing labels
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.115093.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大多数现有的具有不完整标签的多标签学习方法对分类器权重而不是直接对标签结构施加流形正则化。此指导通过学习的特征-标签映射间接影响缺失标签恢复，通常会导致不准确的归约，尤其是在高缺失标签率下。为了解决这个问题，我们提出了NPLGR (基于标签的非线性扰动图正则化)，这是一个由基于标签结构的流形正则化驱动的同步恢复框架。NPLGR使用标签相似性图直接对标签相关矩阵进行正则化，并结合扰动策略来减轻稀疏共现引起的不稳定性。此外，实例级相关性和平滑非线性变换被集成以捕获实例相似性和复杂的特征-标签依赖性。在基准数据集上进行的大量实验表明，NPLGR始终优于最先进的方法。这种改进在具有高标签不完整性的场景中尤其明显，在多标签学习任务中提供了增强的鲁棒性和语义准确性。
Keyword:
Multi-label learning
Incomplete labels
Label-structure regularization
Nonlinear transformation
Perturbation strategy
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Multimodal deep hierarchical semantic-aligned matrix factorization method for micro-video multi-label classification面向微视频多标签分类的多模态层次语义对齐矩阵分解方法
PREAI
分享收藏Learning multi-label label-specific features via global and local label correlations通过全局和局部标签相关性学习多标签标签特定特征.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Low rank label subspace transformation for multi-label learning with missing labels具有缺失标签的多标签学习的低秩标签子空间变换
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Multimodal Progressive Modulation Network for Micro-Video Multi-Label Classification面向微视频多标签分类的多模态渐进调制网络
PREAI
分享收藏SADCMF: Self-Attentive Deep Consistent Matrix Factorization for Micro-Video Multi-Label ClassificationSADCMF: 用于微视频多标签分类的自注意深度一致矩阵分解
PREAI
分享收藏
查看更多内容