基于LapESVR的比例标签学习模型

发布时间：2021-06-24 23:22

　　大数据时代,在实际应用中所面临的数据体量大幅增长,由于对数据进行详细标记的难度很大而且成本极高,弱标签数据已经成为了大数据时代所面临的主要数据。比例标签数据作为弱标签数据中的一个重要类型,有着广阔的应用场景,但目前仍未受到广泛关注。已有的比例标签学习模型在处理大规模问题时,计算速度往往较慢。为了提高学习速度,本文提出Lap-Inv Cal模型,利用LapESVR进行比例标签学习。大量实验表明,该模型在保证较高精度的同时,大幅提升了训练速度,能够广泛应用于大规模比例标签学习问题中。 

【文章来源】：管理评论. 2019,31(06)北大核心CSSCI

【文章页数】：9 页

【文章目录】：
引言
相关研究综述
    1、比例标签学习 (LLP) 相关研究
    2、流形学习相关研究
提出的模型
实验和对比
    1、实验设定
    2、准确率比较
    3、训练时间比较
结论


【参考文献】：
博士论文
[1]基于带约束随机游走图模型的弱监督学习算法研究[D]. 程圣军.哈尔滨工业大学 2014



本文编号：3248018