融合實例和標記相關(guān)性增強消歧的偏多標記學習算法

摘要： 實例的候選標記集合包含真實標記和噪聲標記?；谙绲钠鄻擞泴W習旨在消除噪聲標記,識別并預(yù)測與實例真正相關(guān)的標記。傳統(tǒng)的消歧策略通常僅考慮標記間的相關(guān)性,忽略了實例間的相關(guān)性。為此,文章提出一種融合實例和標記相關(guān)性增強消歧的偏多標記學習算法,進而提升基于消歧的偏多標記學習性能。首先,依據(jù)真實標記矩陣的低秩性和噪聲標記的稀疏性構(gòu)建基礎(chǔ)模型；然后,定義核函數(shù)以捕捉實例間的線性和非線... （共10頁）