计算机应用研究

作者：赵亮,肖燕珊,刘波,古慧敏,

单位：广东工业大学a.计算机学院;b.自动化学院,广州510000；

关键词：偏标记学习,流型学习,语义差别,

基金：国家自然科学基金资助项目(62076074)；；

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中，每个实例与一组候选标记相关联，它的真实标记隐藏在候选标记集合中，且在学习过程中不可获知。为了消除候选标记对学习过程的影响，提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法（partial label learning by semantic difference and manifold learning，PL-SDML）。该方法是一个两阶段的方法:在训练阶段，基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度；在预测阶段，使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中，在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中，相比其他对比算法，取得了0.3%~13.8%的性能提升。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期