基于标签相关性的预测调整算法

摘要：

多标签学习已成功应用于文本分类、图像识别等各个领域.流行的技术包括提取标签特定特征、利用标签相关性等.提出带有标签相关性的预测调整算法PALC(Prediction adjusting with label correlation)将标签相关性融入串行并行神经网络.一方面,采用新颖的、更有效的串行并行神经网络架构来替代常见的显式特征提取或压缩感知方法;另一方面,考虑用固有的标签矩阵内的相关性来计算相关性矩阵,并以流形正则的方式优化分类器.对10个基准数据集与7种流行算法进行比较,结果表明PALC在3大排名指标下均有优势.

关键词：标签相关性、流形正则化、多标签学习、串行并行神经网络

所属期刊栏目：30

分类号：TP183(自动化基础理论)

资助基金：国家社会科学基金;中央引导地方科技发展项目

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：72-81