Label distribution learning with high‐order label correlations

正规化(语言学) 成对比较 人工智能 计算机科学 模棱两可 模式识别(心理学) 特征选择 机器学习 分布(数学) 多标签分类 数学 程序设计语言 数学分析
作者
Yulin Li,Yaojin Lin,Xiehua Yu,Lei Guo,Shaozi Li
出处
期刊:Concurrency and Computation: Practice and Experience [Wiley]
卷期号:35 (21)
标识
DOI:10.1002/cpe.7710
摘要

Summary Label distribution learning (LDL) is an emerging learning paradigm, which can be used to solve the label ambiguity problem. In spite of the recent great progress in LDL algorithms considering label correlations, the majority of existing methods only measure pairwise label correlations through the commonly used similarity metric, which is incapable of accurately reflecting the complex relationship between labels. To solve this problem, a novel label distribution learning method—based on high‐order label correlations (LDL‐HLC) is proposed. By virtue of the ‐regularization sparse reconstruction of the label space, the high‐order label correlations matrix is firstly obtained. Then, a new regular term can be constructed to fit the final prediction label distribution via the correction matrix. Furthermore, efficient classification performance and complete feature selection are guaranteed by common features learning via ‐regularization. Finally, the performance and effectiveness of the proposed algorithm are well illustrated through extensive experiments on 14 label distribution datasets and comparisons with some existing algorithms.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
俭朴的寇完成签到,获得积分10
2秒前
rot完成签到 ,获得积分10
2秒前
2秒前
机智灵薇完成签到,获得积分10
2秒前
hopen完成签到,获得积分10
2秒前
英俊的胜完成签到,获得积分10
3秒前
千逐完成签到,获得积分10
3秒前
3秒前
ayitime完成签到,获得积分10
3秒前
调研昵称发布了新的文献求助10
4秒前
小小小完成签到,获得积分10
4秒前
4秒前
5秒前
NWUer完成签到,获得积分10
6秒前
puzhongjiMiQ发布了新的文献求助10
6秒前
Qingcyx发布了新的文献求助30
6秒前
ZZZ完成签到 ,获得积分10
6秒前
yammay完成签到,获得积分10
7秒前
7秒前
7秒前
7秒前
puzhongjiMiQ发布了新的文献求助10
7秒前
8秒前
8秒前
lijl0529完成签到,获得积分10
9秒前
满意花卷完成签到 ,获得积分10
9秒前
10秒前
punchline完成签到 ,获得积分10
10秒前
一一应助lanshuitai采纳,获得100
10秒前
上好佳完成签到,获得积分10
11秒前
云海老完成签到,获得积分10
11秒前
Matthew_G完成签到,获得积分10
11秒前
阿盛完成签到,获得积分10
11秒前
yammay发布了新的文献求助10
12秒前
lemonlmm完成签到,获得积分0
12秒前
独特秋双完成签到,获得积分10
12秒前
希望天下0贩的0应助shi采纳,获得10
12秒前
乐正一兰完成签到,获得积分10
13秒前
lk65734完成签到,获得积分10
13秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099914
求助须知:如何正确求助?哪些是违规求助? 2751373
关于积分的说明 7613446
捐赠科研通 2403368
什么是DOI,文献DOI怎么找? 1275253
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053