.png){kind=icon}
返回
Similarity-based multi-dimensional multi-label classification
.png){kind=icon}
OA
AI
DOI：10.1007/s11704-025-41432-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多维多标签分类（MDML）中，假设存在多个异构标签空间来表征对象在不同维度上的丰富语义，并且可以从每个异构标签空间为对象分配一组适当的标签。近年来，基于相似度的框架在分类任务（如多类/多标签分类）中取得了有前景的性能，但其有效性在解决MDML问题上尚未得到研究。此外，现有的基于相似度的方法仅利用实例级或标签级信息，这限制了它们的泛化能力。在本文中，我们提出了一种新颖的基于相似度的MDML方法，命名为Sidle，该方法试图同时利用实例级和标签级信息。为了提取相似度信息，Sidle首先分别在实例空间和增强标签空间中识别k个最近邻。然后，基于这些识别出的样本，Sidle计算基于其标签的简单计数统计量以及基于样本与这些识别样本之间距离的偏差。最后，用提取的相似度信息丰富实例空间以更新实例空间和增强标签空间。这三个步骤迭代进行直至收敛。实验验证了所提出的Sidle方法的有效性。
Keyword:
machine learning
multi-dimensional multi-label classification
similarity-based learning
k nearest neighbor
feature augmentation
期刊
IF:
4.6
论文数:
1.6K
被引数:
2.8K
机构
引用论文
.png){kind=icon}
Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval基于软对相似度的深度哈希算法在多标签图像检索中的应用
OAAI
OAAI分享收藏
查看更多内容