拉希姆·萨梅;杨伯丁;桑德拉·齐勒斯 将有标签和无标签的样本压缩推广到多标签概念类。 （英语） Zbl 1432.68398号 Auer，Peter（编辑）等人，《算法学习理论》。2014年10月8日至10日，第25届国际会议，ALT 2014，斯洛文尼亚布莱德。诉讼程序。柏林：斯普林格。莱克特。注释计算。科学。8776, 275-290 (2014). 摘要：本文研究了VC-维各种概念下最大多标签概念类的样本压缩。它为VC-维数的概念给出了一个充分条件，从而为最大维类（d）生成标记压缩方案，其中压缩集的大小最多为（d）。同样的条件也产生了一个所谓的紧样本压缩方案，我们定义该方案是为了将Kuzmin和Warmuth的未标记二进制方案推广到多标签情况。众所周知的图维数满足我们的充分条件，而Pollard的伪维数和Natarajan维数都不满足。关于整个系列，请参见[Zbl 1297.68011号]. 引用于4文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68页30 编码和信息理论（压缩、压缩、通信模型、编码方案等）（计算机科学方面） 关键词：多标签类;样品压缩;图形维度 PDF格式BibTeX公司 XML格式引用 \textit｛R.Samei｝等人，Lect。注释计算。科学。8776275--290（2014年；Zbl 1432.68398） 全文： 内政部