多标记学习自编码网络无监督维数约简

摘要：

多标记学习是针对一个实例同时与一组标签相关联而提出的一种机器学习框架,是该领域研究热点之一,降维是多标记学习一个重要且具有挑战性的工作.针对有监督的多标记维数约简方法,提出一种无监督自编码网络的多标记降维方法.首先,通过构建自编码神经网络,对输入数据进行编码和解码输出;然后,引入稀疏约束计算总体成本,使用梯度下降法进行迭代求解;最后,通过深度学习训练获得自编码网络学习模型,提取数据特征实现维数约简.实验中使用多标记算法ML-kNN做分类器,在6个公开数据集上与其他4种方法对比.实验结果表明,该方法能够在不使用标记的情况下有效提取特征,降低多标记数据维度,稳定提高多标记学习性能.

关键词：多标记学习、维数约简、无监督学习、神经网络、自编码器、机器学习、深度学习、特征提取

所属期刊栏目：13

分类号：TP183(自动化基础理论)

资助基金：国家自然科学青年基金项目61703196;福建省自然科学基金项目2018J01549

在线出版日期：2018-09-30（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：808-817