三角距离相关性的标签分布学习
针对标签相关性的表征问题,提出一种基于三角距离相关性的标签分布学习算法.首先,构建距离映射矩阵,描述标签分布和特征矩阵之间的映射关系.其次,设计新的三角距离,以表征标签之间的相关性.最后,结合标签相关性,设计基于Kullback-Leibler散度的目标函数.在8个数据集上的实验结果表明,与8种主流算法相比,本文提出的算法在6个准确性指标上占优势.
标签分布学习;标签相关性;三角距离;距离映射矩阵;多标签学习;最大熵模型;Kullback-Leibler散度;L-BFGS方法
16
TP391(计算技术、计算机技术)
国家自然科学基金项目61902328
2021-08-31(万方平台首次上网日期,不代表论文的发表时间)
共10页
449-458