【摘 要】
：
传统多标记学习方法通常只考虑和示例相关联的单个特征向量以及无差别地预测全体标签,从而忽视了与示例相似的其他示例及隐含的标签属性,造成输入空间特征信息较少、标签属性
【基金项目】
：
广东省自然科学基金项目(2016A030313437),广东省前沿与关键技术创新专项资金项目(2016B030305004)
论文部分内容阅读
传统多标记学习方法通常只考虑和示例相关联的单个特征向量以及无差别地预测全体标签,从而忽视了与示例相似的其他示例及隐含的标签属性,造成输入空间特征信息较少、标签属性被忽略和对大标记空间预测效果差等问题.为解决以上问题,文章转化传统多标记学习任务为多标记学习的序列到序列任务,并由此提出新的多标记学习标签生成神经网络模型(Fea2Lab模型):通过交错的顺序排列示例和相似示例形成链式特征向量序列,来增加输入空间特征信息;通过挖掘标签属性来有差别地预测标签;通过在解码流程中使用全局标签信息,来缓解预测过程中出现的
其他文献
微博作为一种新型的交流媒介受到了大学生的青睐，正在改变传统的大学生思想政治教育方式。高校应该利用微博的“广泛关注”、“多重评论”和“转发”功能来构建大学生思想政治
目的:探讨胃癌间质微血管密度(MVD)和临床病理参数之间的关系.方法:采用免疫组化方法(SP法)对手术切除胃癌标本74例及其癌旁正常组织17例进行MVD检测.结果:胃癌间质MVD明显高
本文从师资队伍建设、课程内容改革、教学方法改革、教学效果等几个方面介绍了我们在概率统计课程建设中取得的成绩.
目的:研究成纤维细胞生长因子受体1(FGFR1)基因在不同种属间的限制片段多态性.方法:提取小鼠、鸡、家兔的基因组DNA,以FGFR1 cDNA片断为探针进行Southern杂交分析.结果:各种