张晨光;张燕;张夏欢 归一化依赖最大化多标签半监督学习方法。 (中文。英文摘要) Zbl 1349.68181号 《汽车学报》。罪恶。 41,第9期,1577-1588(2015). 小结:针对目前大多数多标签学习方法都是有监督学习方法,无法有效利用相对廉价且容易获得的大量未标记样本的问题,本文提出了一种新的多标签半监督学习方法,称为归一化依赖最大化多标签半监督学习方法(DMMS)。DMMS将标记样本作为约束条件,估计特征集和标签集对所有样本(包括标记样本和未标记样本)的归一化依赖性,并通过最终解决带约束条件的跟踪比优化问题来最大化估计。在多个真实数据集上,将DMMS与最新的多标签学习方法进行了比较,结果表明,DMMS可以有效地从标记和未标记样本中学习,尤其是当标记样本相对较少时,学习性能可以大大提高。 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:归一化相关性;多标签学习;半监督学习;痕量比 PDF格式BibTeX公司 XML格式引用 \textit{C.Zhang}等人,《汽车学报》。罪恶。41,第9号,1577--1588(2015;Zbl 1349.68181) 全文: 内政部