基于正则化的半监督弱标签分类方法

来源 :计算机学报 | 被引量 : 0次 | 上传用户：zbblyd

【摘要】

：

针对多标签学习中实例标签的缺失补全和预测问题,本文提出一种基于正则化的半监督弱标签分类方法(简称SWCMR),方法同时兼顾实例相似性和标签相关性.SWCMR首先根据标签相关性对弱标签实例的缺失标签进行初步预估,然后利用弱标签实例和无标签实例构造邻域图,从实例相似性和标签相关性角度构建基于平滑性假设的正则化项,接下来利用预估后的弱标签实例结合无标签实例训练半监督弱标签分类模型.在多种公共多标签数据集上的实验结果表明,SWCMR提高了分类性能,尤其是标签信息较少时,分类效果提升更显著.

【作者】

：

丁家满刘楠周蜀杰贾连印李润鑫

【机构】

：

昆明理工大学信息工程与自动化学院昆明 650500;云南省人工智能重点实验室昆明 650500;计算机学会(CCF)

【出处】

：

计算机学报

【发表日期】

：

2022年1期

【关键词】

：

半监督弱标签学习多标签分类正则化标签相关性

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

神经网络技术在高铁站多联机空调节能控制中的应用

本文基于神经网络技术设计空调控制软件系统,对传统人工控制模式和神经网络控制器进行对比研究.首先利用Energy Plus仿真软件建立真实高铁站建筑及其多联机空调系统模型,对该空调系统设置424种工况完成了一整年运行仿真,然后从百万条仿真数据中抽取PMV(predicted mean vote,预测平均投票)热舒适度和能耗优秀的数据训练神经网络控制器,最后用JavaEE技术开发了该高铁站空调控制软件原型系统并利用Energy Plus仿真数据以及机器学习预测模型模拟实现了空调动态控制.实验结果表明,在冬季和

期刊

Energy Plus仿真软件系统设计节能神经网络

图神经网络前沿进展与应用

图结构数据是现实生活中广泛存在的一类数据形式.宏观上的互联网、知识图谱、社交网络数据,微观上的蛋白质、化合物分子等都可以用图结构来建模和表示.由于图结构数据的复杂性和异质性,对图结构数据的分析和处理一直是研究界的难点和重点.图神经网络(Graph Neural Network,GNN)是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架,其优异的性能引起了学者高度的关注和深入的探索.通过在图中的节点和边上制定一定的策略,GNN将图结构数据转化为规范而标准的表示,并输入到多种不同的神经网络中进行训练

期刊

图神经网络深度学习图结构数据拉普拉斯矩阵谱分解节点特征聚合图生成

基于机器学习组合模型的电商商品销量预测

如何准确高效地预测销量是企业一直以来关注的重要问题.传统的时间序列预测方法虽然在研究和实践中占主导地位,但是存在一定的局限性.随着大数据的发展,电商企业能获取前所未有的数据量和数据特征,仅利用过去的行为和趋势很难准确地对销量进行预测.本文提出一种基于随机森林、GBDT、XGBoost算法的成本厌恶偏向性组合预测模型,并利用每个商品的成本数据实现对样本的精细化赋权,进而输出预测结果.结果表明,组合预测模型能更精确预测销量,对电商企业降低商品管理成本有重要意义.

期刊

销售预测机器学习组合模型特征构建样本赋权

基于正则化的半监督弱标签分类方法

其他学术论文