典型文献
融合标签局部相关性的标签分布学习
文献摘要：
提出了一种融合标签局部相关性的标签分布学习(label distribution learning,LDL)算法,该算法分为3个阶段.初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布.在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前.
文献关键词：
标签分布学习;标签相关性;标签融合;k-means
中图分类号：
作者姓名：
容斌元;徐媛媛;吕亚兰;张恒汝
作者机构：
西南石油大学计算机科学学院,四川 成都610500
文献出处：
引用格式：
[1]容斌元;徐媛媛;吕亚兰;张恒汝-.融合标签局部相关性的标签分布学习)[J].山东大学学报（理学版）,2022(07):53-64
A类：
标签分布学习
B类：
融合标签,局部相关,label,distribution,learning,LDL,多层神经网络,means,聚类算法,局部信息,协方差矩阵,标签融合,公开数据集,上排,标签相关性
AB值：
0.246394
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。
