典型文献
基于结构性质保持和相关性学习的多标记分类算法
文献摘要：
现有的多标记学习技术大多只考虑了相关性学习问题而忽略了数据因变换而引起的结构性质不一致问题,导致原始特征数据的结构性质因映射变换发生改变,从而影响了模型的分类性能.为了解决这一问题,提出了基于结构性质保持和相关性学习的多标记分类算法.首先,构造了线性映射函数以实现特征空间与标记空间的映射;然后借鉴图正则化思想,引入基于特征数据的结构性质保持策略以降低特征数据因线性变换引起的结构性质差异;最后,针对标记数据引入基于标记对的相关性学习策略进一步优化算法参数,以提高模型的分类性能.在不同规模的标准数据集上进行测试,结果表明所提算法与一些流行的多标记分类算法相比具有更优的分类性能,验证了所提算法的有效性.
文献关键词：
多标记分类;相关性学习;线性回归;结构性质保持
中图分类号：
作者姓名：
张其亮;娄恒瑞;居殿春
作者机构：
江苏科技大学张家港校区 电气与信息工程学院,江苏 张家港215600
文献出处：
引用格式：
[1]张其亮;娄恒瑞;居殿春-.基于结构性质保持和相关性学习的多标记分类算法)[J].计算机应用研究,2022(04):1037-1042
A类：
结构性质保持
B类：
相关性学习,多标记分类,分类算法,多标记学习,学习技术,多只,学习问题,不一致问题,特征数据,换发,分类性能,线性映射,映射函数,特征空间,图正则化,线性变换,记数,学习策略,算法参数,不同规模,标准数据集
AB值：
0.240583
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
