10.3969/j.issn.2095-2783.2013.10.011
从希尔伯特-施密特独立性中学习的多标签半监督学习方法
基于希尔伯特-施密特独立性提出了一种新的半监督学习方法,称为最大化依赖性多标签半监督学习方法(dependence maximization multi-label semi-supervised learning method,DMMS).该方法将样本已有标签作为约束,以最大化特征集和标签集的关联性为目标,通过求解一个线性系统为无标签数据打上标签,具有实现简单,无参(nonparamet er)的特点.多个真实多标签数据库的实验表明,DMMS与最好的多标签学习方法,包括多标签近邻(multi-label k-nearest neighbor,MLKNN)和图半监督学习方法具有类似的识别效果.
希尔伯特-施密特独立性、多标签学习、半监督学习
8
TP391(计算技术、计算机技术)
海南省教育厅高等学校科学研究资助项目Hjkj2012-01;国家自然科学基金资助项目11261015
2013-12-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
998-1002