亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Exploiting Multi-Label Correlation in Label Distribution Learning

计算机科学 分布(数学) 相关性 多标签分类 人工智能 数学 数学分析 几何学
作者
Zhiqiang Kou,Jing Wang,Jiawei Tang,Yuheng Jia,Boyu Shi,Peng Geng
标识
DOI:10.24963/ijcai.2024/478
摘要

Label Distribution Learning (LDL) is a novel machine learning paradigm that assigns label distribution to each instance. Numerous LDL methods proposed to leverage label correlation in the learning process to solve the exponential-sized output space; among these, many exploited the low-rank structure of label distribution to capture label correlation. However, recent research has unveiled that label distribution matrices typically maintain full rank, posing a challenge to approaches relying on low-rank label correlation. Notably, low-rank label correlation finds widespread adoption in multi-label learning (MLL) literature due to the often low-rank nature of multi-label matrices. Inspired by that, we introduce an auxiliary MLL process within the LDL framework, focusing on capturing low-rank label correlation within this auxiliary MLL component rather than the LDL itself. By doing so, we adeptly exploited low-rank label correlation in our LDL methods. We conduct comprehensive experiments and demonstrate that our methods are superior to existing LDL methods. Besides, the ablation studies justify the advantages of exploiting low-rank label correlation in the auxiliary MLL.
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
完美不惜发布了新的文献求助10
刚刚
充电宝应助完美不惜采纳,获得10
12秒前
花花521发布了新的文献求助10
24秒前
28秒前
归海梦岚完成签到,获得积分0
40秒前
潇洒绿蕊完成签到,获得积分10
40秒前
44秒前
Lucas应助科研通管家采纳,获得10
44秒前
嗯哼应助科研通管家采纳,获得20
44秒前
1分钟前
Sammy完成签到,获得积分10
1分钟前
1分钟前
Demo完成签到,获得积分10
1分钟前
蕊蕊蕊完成签到 ,获得积分10
1分钟前
2分钟前
阿强应助风中的宛白采纳,获得20
2分钟前
2分钟前
Jessica英语好完成签到 ,获得积分0
2分钟前
大个应助哈哈哈采纳,获得10
2分钟前
杲杲完成签到 ,获得积分10
2分钟前
嗯哼应助科研通管家采纳,获得20
2分钟前
嗯哼应助科研通管家采纳,获得20
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
搜集达人应助小王子采纳,获得10
2分钟前
小下完成签到,获得积分20
2分钟前
3分钟前
wqx完成签到 ,获得积分10
3分钟前
Demo应助累啊采纳,获得10
3分钟前
快递乱跑完成签到 ,获得积分10
3分钟前
3分钟前
哈哈哈完成签到,获得积分10
3分钟前
哈哈哈发布了新的文献求助10
3分钟前
3分钟前
烟花应助Ni采纳,获得10
3分钟前
3分钟前
TQ发布了新的文献求助10
3分钟前
3分钟前
3分钟前
清新的冷松完成签到 ,获得积分10
3分钟前
Ni发布了新的文献求助10
3分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3256871
求助须知:如何正确求助?哪些是违规求助? 2899001
关于积分的说明 8303190
捐赠科研通 2568210
什么是DOI,文献DOI怎么找? 1394953
科研通“疑难数据库(出版商)”最低求助积分说明 652924
邀请新用户注册赠送积分活动 630649