标记分布学习中目标函数的选择

发布时间：2018-03-05 14:03

本文选题：标记分布学习　切入点：最大熵模型　出处：《计算机科学与探索》2017年05期 　论文类型：期刊论文

【摘要】：标记分布学习是近年提出的一种新的机器学习范式。从理论上来说,这一范式可以看作是对多标记学习的泛化。已有的研究表明标记分布学习是一种有效的学习范式,能够很好地解决某些标记多义性问题。针对标记分布学习,已有一些预测效果不错的专门算法被提出来。针对这些专门的标记分布学习算法提出了一种泛化标记分布学习框架。在这个框架中,一个专门的标记分布学习算法由目标函数、输出模型和优化方法三部分组成。针对这个泛化框架中的目标函数部分展开研究。为了研究选择不同的距离作为目标函数对标记分布学习算法预测效果的影响,选取7个代表性距离作为研究对象。通过对5个真实标记分布数据集上的实验结果进行分析,结合每个距离的特点,提出了一些选取目标函数的具体建议。
[Abstract]:Label distributed learning is a new machine learning paradigm proposed in recent years. In theory, this paradigm can be regarded as a generalization of multi-label learning. It can solve the problem of label polysemy very well. Some special algorithms with good prediction effect have been proposed. For these special label distributed learning algorithms, a generalized label distributed learning framework is proposed. In this framework, a special label distributed learning algorithm is derived from the objective function. In order to study the influence of different distance as objective function on the prediction effect of label distribution learning algorithm, the output model and optimization method are composed of three parts. Based on the analysis of the experimental results on five real label distributed datasets and the characteristics of each distance, some specific suggestions for selecting objective functions are put forward.
【作者单位】：东南大学计算机网络和信息集成教育部重点实验室;东南大学计算机科学与工程学院;
【基金】：国家自然科学基金Nos.61273300,61232007 江苏省自然科学基金杰出青年基金项目No.BK20140022~~
【分类号】：TP181

【相似文献】