欢迎来到天天文库
浏览记录
ID:45330302
大小:683.56 KB
页数:8页
时间:2019-11-12
《多标记学习研究综述》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、202015,51(17)ComputerEngineeringandApplications计算机工程与应用多标记学习研究综述余鹰YUYing华东交通大学软件学院,南昌330013SchoolofSoftware,EastChinaJiaotongUniversity,Nanchang330013,ChinaYUYing.Surveyonmulti-labellearning.ComputerEngineeringandApplications,2015,51(17):20-27.Abstract:Multi-labellearning,whichconside
2、rsthecaseofanobjectrelatedtomultiplelabels,attractsmuchattentioninrecentyears.Multi-labellearningresearchaimstoimprovetheperformanceofmulti-labellearningalgorithmsbyreduc-ingthecomplexityofthefeaturespaceandthelabelspace.Thispapersystematicallyanalysesthedevelopmentsinmulti-labellearn
3、ingresearchfromfouraspectsincludingmulti-labelclassification,labelranking,multi-labeldimensionreductionandlabelcorrelationandalsopointsouttheexistingproblemsinthemulti-labellearningresearch.Finally,itsummarizesseveralvaluableresearchdirections,whichprovidesreferenceforthefurtherresear
4、chinthisfield.Keywords:multi-labellearning;classification;labelcorrelation;dimensionreduction摘要:多标记学习考虑一个对象与多个类别标记相关联的情况,是当前国际机器学习领域研究的热点问题之一。多标记学习的研究主要围绕降低特征空间和标记空间的复杂性,提高多标记学习算法的精度而展开。针对这一特点,从多标记分类、标记排序、多标记维度约简和标记相关性分析四个方面,对多标记学习的研究进展进行了归纳与阐述,分析了当前多标记学习存在的问题。最后指出了目前多标记学习若干发展方向,为该领域的
5、进一步研究提供参考。关键词:多标记学习;分类;标记相关性;维度约简文献标志码:A中图分类号:TP181doi:10.3778/j.issn.1002-8331.1506-00631引言在传统的机器学习框架中,假设真实世界的每一个对象具有唯一的语义,只与一个类别标记相关联。然而,真实世界中的对象往往具有多义性,可能与多个类别标记相关联。例如,一段文档可以同时属于“体育”和“娱乐”类;一幅图像(如图1所示),可以同时标注“蓝天”、“河”、“山”,甚至“树木”等语义标记;一段基因序列可能同时具有多种功能,如“新陈代谢”、“转录”以及“蛋图1多标记图像白质合成”等。此时,
6、只考虑明确、单一语义的传统学习标记学习已逐渐成为国际机器学习领域的研究热点之框架难以取得好的学习效果。作为一种多语义性对象一。近年来,许多学者致力于多标记学习问题的研究,[1]学习建模工具,多标记学习(multi-labellearning)框架提出了大量的多标记学习算法,在理论研究方面取得了由此应运而生。在该框架下,每个对象由一个特征向量重要进展。同时多标记学习的研究成果在实际问题中描述,该对象具有多个而不再是唯一的类别标记,学习[3-5]的目标是将所有合适的类别标记赋予待分类对象。也得到了较好的应用,逐渐在情感分类、图像视频自[6-8][9-10][11]多标
7、记学习概念的提出源于文档分类(textcatego-动标注、文本分类和生物信息学等越来越多的领[2]域扮演重要的角色。rization)中遇到的多义性问题,经过十几年的发展,多基金项目:江西省自然科学基金(No.20151BAB217011,No.20132BAB201045);南方山地果园智能化管理技术与装备协同创新中心项目;国家自然科学基金(No.61202170,No.61462037)。作者简介:余鹰,女,博士,讲师,研究领域为多标记学习、粒计算。E-mail:yuyingjx@163.com收稿日期:2015-06-05修回日期:2015-07-20文章
8、编号:10
此文档下载收益归作者所有