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 自动驾驶。罪。 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。在多个实际数据集上，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，特别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;痕迹比率 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