×
黄、军；秦凤；郑、肖；程泽凯；袁志祥；张伟刚；黄清明

通过学习标签特定的特征来改进缺少标签的多标签分类。 （英语） Zbl 1451.68225号

信息科学。 492, 124-146 (2019).
摘要：现有的多标签学习方法主要利用由所有标签识别中的所有特征组成的相同数据表示，并假设每个训练样本都观察到所有类别标签。然而，在多标签学习中，每个类标签可能由其自身的一些特定特征决定，对于某些实际应用，只能获得每个示例的部分标签集。本文提出了一种新的学习缺失标签多标签分类中标签特征的方法，称为LSML。首先，通过学习高阶标签相关性，从不完全标签矩阵中扩充出一个新的补充标签矩阵。然后，学习每个类标签的特定标签数据表示，并结合学习到的高阶标签相关性，以此为基础同时构建多标签分类器。与最先进方法的对比研究表明了所提方法的有效性。

引用于7文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）

关键词：

标签特定功能；缺少标签；多标签学习

软件：

MULAN公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Huang}等人，《信息科学》。492124-146（2019年；Zbl 1451.68225）
全文： 内政部

参考文献：

[1] Alalga，A。；Benabdeslem，K。；Taleb，N.，半监督多标签特征选择的软约束拉普拉斯分数，Knowl。信息系统。，47, 1, 75-98 (2015)
[2] 阿莫林，W.P。；法尔考，A.X。；Papa，J.P.，通过最优路径森林的多标签半监督分类，《信息科学》。，465，86-104（2018）·Zbl 1441.68202号
[3] 贝克，A。；Teboulle，M.，线性反问题的快速迭代收缩阈值算法，SIAM J.成像科学。，2, 1, 183-202 (2009) ·兹比尔1175.94009
[4] Bi，W。；Kwok，J.T.，带标签相关性和缺失标签的多标签分类，AAAI，1680-1685（2014）
[5] Boutel，M.R。；罗，J。；沈，X。；Brown，C.M.，学习多标签场景分类，模式识别。，37, 9, 1757-1771 (2004)
[6] 查特，F。；里维拉，A。；德尔·耶稣，M。；Herrera，F.，《解决多标签分类中的不平衡：度量和随机重采样算法》，神经计算，163，3-16（2015）
[7] Charte，F。；里维拉，A.J。；德尔·耶稣，M.J。；Herrera，F.，Li-mlc：一种用于解决多标签分类标签空间中高维性的标签推理方法，IEEE Trans。神经网络。学习。系统。，25, 10, 1842-1854 (2014)
[8] 陈，M。；郑亚欣。；Weinberger，K.Q.，《快速图像标记》，ICML，1274-1282（2013）
[9] Demšar，J.，多数据集上分类器的统计比较，JMLR，7，1-30（2006）·Zbl 1222.68184号
[10] Dong，H。；李毅。；Zhou，Z.，从半监督弱标签数据中学习，AAAI（2018）
[11] Elisseeff，A。；Jason，W.，多标记分类的核方法，NIPS，681-687（2001）
[12] Gibaja，E。；Ventura，S.，多标签学习教程，ACM Compute。调查。，47, 3, 52:1-52:38 (2015)
[13] Herrera，F。；Charte，F。；里维拉，A.J。；del Jesus，M.J.，《多标签分类：问题分析、度量和技术》（2016），施普林格国际出版公司
[14] Huang，J。；李·G。；黄，Q。；Wu，X.，学习标签特定特性和多标签分类的类相关标签，IEEE Trans。知识。数据工程，28，12，3309-3323（2016）
[15] Huang，J。；李·G。；黄，Q。；Wu，X.，多标签学习的联合特征选择和分类，IEEE Trans。赛博。，48, 3, 876-889 (2018)
[16] Huang，J。；李·G。；王，S。；薛，Z。；Huang，Q.，利用局部正负成对标签相关性进行多标签分类，神经计算，257164-174（2017）
[17] Huang，J。；李·G。；王，S。；张伟。；Huang，Q.，多标签分类的组敏感分类器链，ICME，1-6（2015）
[18] 季S。；Tang，L。；俞，S。；Ye，J.，提取共享子空间进行多标签分类，KDD，381-389（2008）
[19] 李，H。；李，D。；翟毅。；王，S。；Zhang，J.，基于粗糙集理论的多标签数据属性约简新方法，信息科学。，367-368, 827-847 (2016) ·Zbl 1428.68243号
[20] Lin，Y。；胡，Q。；张杰。；Wu，X.，带流标签的多标签特征选择，Inf.Sci。，372, 256-275 (2016)
[21] 马，J。；Chow，T.W.，带缺失标签的半监督多标签学习的鲁棒非负稀疏图，Inf.Sci。，422, 336-351 (2018) ·Zbl 1436.68311号
[22] 马，J。；田，Z。；张，H。；Chow，T.W.，《标签缺失的多标签低维嵌入》，Knowl。基于系统。，137，65-82（2017）
[23] McCallum，A.K.，使用em训练的混合模型进行多标签文本分类，AAAIW（1999）
[24] 齐，G。；华，X。；Rui，Y。；Tang，J。；梅，T。；Zhang，H.，相关多标签视频注释，ACM MM，17-26（2007）
[25] 乔·L。；张，L。；孙，Z。；Liu，X.，为多标签分类选择标签相关特征，神经计算，259，112-118（2017）
[26] 里德，J。；普法林格，B。；霍姆斯，G。；Frank，E.，多标签分类的分类器链，ECML，254-269（2009）
[27] Sun，L。；Kudo，M。；Kimura，K.，《具有meta-label特异性特征的多标签分类》，ICPR，1612-1617（2016）
[28] 孙，Y。；Zhang，Y。；Zhou，Z.，弱标签多标签学习，AAAI，593-598（2010）
[29] Tan，Q。；Yu，G。；多梅尼科尼，C。；Wang，J。；Zhang，《不完全多视角弱标签学习》，IJCAI（2018）
[30] Tan，Q。；Yu，G。；多梅尼科尼，C。；Wang，J。；Zhang，基于矩阵补全的多视图弱标签学习，SDM，450-458（2018）
[31] Tibshirani，R.，通过套索进行回归收缩和选择，JRSS系列B，58，267-288（1994）·Zbl 0850.62538号
[32] Tsoumakas，G。；Katakis，I。；Vlahavas，I.，挖掘多标签数据，数据挖掘知识。发现。手册，667-685（2010）
[33] Vluyman，S。；科内利斯，C。；Herrera，F。；Saeys，Y.，使用模糊粗糙邻域共识的多标签分类，Inf.Sci。，433-434, 96-114 (2018) ·Zbl 1436.68313号
[34] 吴，B。；Lyu，S。；Ghanem，B.，Ml-mg：使用混合图进行缺失标签的多标签学习，ICCV，4157-4165（2015）
[35] 吴，B。；Lyu，S。；Ghanem，B.，多标签学习中缺失标签和类不平衡的约束子模块最小化，AAAI，2229-2236（2016）
[36] 徐，C。；陶，D。；Xu，C.，稳健极端多标签学习，KDD，1275-1284（2016）
[37] 徐，L。；王，Z。；沈，Z。；Wang，Y。；Chen，E.，《学习缺失标签的多标签分类的低阶标签相关性》，ICDM，1067-1072（2014）
[38] 徐，M。；金·R。；Zhou，Z.，带附加信息的加速矩阵补全：应用于多标签学习，NIPS，2301-2309（2013）
[39] 徐，S。；杨，X。；Yu，H。；Yu，D.-J。；杨，J。；Tsang，E.C.，带标签特定特征约简的多标签学习，Knowl。基于系统。，104, 52-61 (2016)
[40] Yang，H。；Zhou，J.T。；蔡，J.，《通过结构化语义相关性改进缺少标签的多标签学习》，ECCV，835-851（2016）
[41] Yu，H。；Jain，P。；卡尔·P。；Dhillon，I.S.，《缺少标签的大规模多标签学习》，ICML，593-601（2014）
[42] 张杰。；方，M。；Li，X.，《多标签学习与每个标签的区别特征》，神经计算，154，305-316（2015）
[43] 张杰。；李，C。；曹，D。；Lin，Y。；苏，S。；戴，L。；Li，S.，通过解决标签相关性实现标签特定特征的多标签学习，Knowl。基于系统。(2018)
[44] 张，M。；李毅。；刘，X。；Geng，X.，《多标签学习的二进制相关性：概述》，Front。计算。科学。，12, 2, 191-202 (2018)
[45] 张，M。；Wu，L.，Lift：具有标签特定功能的多标签学习，IEEE Trans。模式分析。机器。智力。，37,1107-120（2015年）
[46] 张，M。；周，Z.，多标签学习算法综述，IEEE Trans。知识。数据工程，26，1819-1837（2014）
[47] 朱，P。；徐，Q。；胡，Q。；张，C。；Zhao，H.，缺少标签的多标签特征选择，模式识别。，74, 488-502 (2018)
[48] Zhu，Y。；Kwok，J.T.（郭，J.T.）。；Zhou，Z.，具有全局和局部标签相关性的多标签学习，IEEE Trans。知识。数据工程，30，6，1081-1094（2018）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。