LIFT: Multi-Label Learning with Label-Specific Features

最新推荐文章于 2023-02-16 17:06:21 发布
最新推荐文章于 2023-02-16 17:06:21 发布
阅读量1.1k 收藏 1
点赞数

2015TPAMI-LIFT: Multi-Label Learning with Label-Specific Features

目前存在问题

由于每个类标签都应具有自己的特定特征，现有方法没有考虑到

解决问题的途径

聚类，提取每个标签所具有的特征

解决方法

对每个标签为1和-1的数据集x分别进行聚类，得到标签对应特征

方法详细描述
  1. 每个标签为1和-1的数据集x分别进行聚类，得到标签对应特征，比如标签为1聚类成10簇，标签为-1聚类成10个簇
  2. 把之前的x信息换成，x和这20个簇的距离，这样变成20维特征，构成新的数据集
  3. 在训练时使用普通的BR对每个标签单独训练，预测时每个标签单独预测
创新点

挖掘每个类标签都应具有自己的特定特征

code

http://palm.seu.edu.cn/zhangml/

hinanmu
关注
专栏目录
cvpr2015papers
ZhangPY的专栏
03-02 8867
@http://www-cs-faculty.stanford.edu/people/karpathy/cvpr2015papers/ CVPR 2015 papers (in nicer format than this) maintained by @karpathy NEW: This year I also embedded the (1,2-gram) tfidf
多标签学习：LIFT: Multi-Label Learning with Label-Specific Features
Life in Technicolor
07-05 5876
多标签学习：LIFT: Multi-Label Learning with Label-Specific Features @(Machine Learning) Intro LIFT是张敏灵教授提出的多标签(multi-label)的学习方法。关于multi-label的介绍可以看我这篇博客，其中主要描述了multi-class、multi-label、multi-task的定义和区别...
浅读论文Learning Label Specific Features for Multi-Label Classification (2022/04/10)
qq_49293687的博客
04-10 1134
目录idea算法流程学习标签特定特征利用标签相关性 idea 在多标签分类学习中，经典的Binary relevance (BR)方法存在类不平衡，计算成本繁重及忽略标签相关性的问题。所以本文提出学习每个标签的标签特定特征来增强分类效果。文中假设每个标签只与原始特征集中的一个特征子集相关联，并且任何两个强相关的类标签可以比两个不相关或弱相关的标签共享更多的特征。 算法流程 用{(x1,y1),(x2,y2),…,(x3,y3)}\{(\mathbf{x}_1, \mathbf{y}_1), (\mathb
论文阅读笔记——Multi-Label Learning with Global and Local Label Correlation（具有全局和局部标签相关性的多标签学习）
qq_35368303的博客
02-01 1364
一、低秩矩阵 如果X是一个m行n列的数值矩阵，rank(X)是X的秩，假如rank (X)远小于m和n，则我们称X是低秩矩阵。低秩矩阵每行或每列都可以用其他的行或列线性表出，可见它包含大量的冗余信息。利用这种冗余信息，可以对缺失数据进行恢复，也可以对数据进行特征提取。 二、矩阵填充 已知A的秩rank(A)<<m且rank(A)<<n，那么我们可以通过矩阵各行(列)之间的线性相关将丢失的元素求出。你会问，这种假定我们要恢复的矩阵是低秩的，合理吗？实际上是十分合理的，比如一个用户
Multi-Label Learning With Label Specific Features Using Correlation Information
qq_42722278的博客
09-06 704
论文相关内容 本文中解决多标记分类问题的方法： 为了解决每个实例与多个标签关联的问题，近年来开发了许多多标签学习算法。提出了选择标签特征的方法，利用识别特征进行多标签分类。虽然在学习标签特定的特性时考虑了标签相关性，但是很少考虑实例之间的关键相关性。本文在考虑标签空间相关信息和特征空间相关信息的基础上，提出了一种利用相关信息(LSF-CI)学习标签特征的多标签学习方法。在LSF-CI中，特征空间中...
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
【论文阅读笔记】NeurIPS2020文章列表Part1
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
减少标签特定功能的多标签学习
03-02
标签特定功能（Label-specific features）： 在多标签学习中，标签特定功能指的是为不同标签建立的特征集，每个标签可能对应一组特定的特征，这些特征能够更有效地表示该标签所对应的属性或者类别。 特征选择...
论文笔记：多标签学习——LIFT算法
Z__XY_的博客
06-26 1312
原文见 Zhang, M.-L., & Wu, L. (2015). LIFT: Multi-label learning with label-specific features. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37, 107–120.在线地址 特点 把多标签问题转换成了多个二分类问题。关键步骤符号系统主要过程： Step1： 将数据集分为标签含有lk(k∈[0,q])l_k(k\in[0,q])lk​(k∈
论文阅读【10】Label-Specific Document Representation for Multi-Label Text Classification
最新发布
qq_35653657的博客
02-16 527
D=xiyii1Nxi​yi​i1N​表示文档的集合,它由N个文档组成,对应的标签为Y={yi∈01lyi​∈01l},其中l表示总的标签数量.每个文档都包含一系列的单词。每个单词都可以被编码到一个低维空间，并通过word2vect技术表示为一个d维向量.xix_ixi​={w1wpwnw1​......wp​wn​}表示第i个文档,wp∈Rkw_p ∈ R^kwp​∈Rk。
论文学习记录随笔 多标签之LIFT
ALBlack的博客
06-29 964
原文: Zhang, M.-L., & Wu, L. (2015). LIFT: Multi-label learning with label-specific features. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37, 107–120. 本文主要是我对于初读LIFT的一些自己的笔记与感悟
Label-Specific Dual Graph Neural Network for Multi-Label Text Classification，ACL2021 finding
qq_36618444的博客
03-25 3599
为了提取多标签分类中标签之间的高阶关联性，一些方法使用统计相关性。然而，基于统计的方法有如下缺点：从训练数据中获得的标签对之间的共现模式是不完整的和有噪声的（有的统计特征可能是训练集特有的）；在全局中构建标签共现图，这可能会对罕见的标签相关性有偏倚；统计标签相关性可能形成长尾分布，即，一些类别非常常见，而大多数类别有很少的文档。 为了解决上述问题，本文提出了一种新的标签特异性对偶图神经网络(LDGN)，该网络利用类别信息从文档中学习标签特异性成分，并采用双图卷积网络(dual Graph Convolut.
【机器学习】多标签分类multi-label classification总结
热门推荐
zkq_1986的博客
03-02 3万+
多标签学习算法分为量大类：1）改造数据适应算法2）改造算法适应数据1 改造数据（1）二分类用L个分类器，分别对应L个标签，进行训练。（2）标签排序+二分类利用“成对比较”（pairwise comparison），获得L(L-1)/2个分类器，然后利用投票，得到标签的排序。接着，利用二分类，补充标签排序的投票结果，提高准确性。（3）随机k标签从L个标签随机取得k个标签，重复n次，获得n个分类器。这...
多标签分类_多标签分类文献阅读（4）
weixin_39981624的博客
01-15 478
带有加权分类器选择和堆叠集成的多标签分类(Multi-label classification with weighted classifier selection and stacked ensemble)摘要多标签分类在医学诊断和语义标注等各种应用中引起了越来越多的关注。随着这种趋势，已经提出了用于多标签分类任务的大量集成方法。这些方法中的大多数通过使用装袋方案来构造集成成员，但是很...
Multi-Label Adversarial Perturbations
我的博客
10-05 830
文章目录Multi-Label Adversarial Perturbations1.介绍1.1多标签对抗样本广泛存在于现实生活中。1.2生成多标签对抗样本的挑战。1.3针对多标签攻击本文设计了2种框架4种方法2.符号2.1有目标攻击定义3.多标签目标攻击3.1 Classification-targeted Framework3.1.1 ML-CW3.1.2 ML-DeepFool3.2 Ran...
周志华团队：深度森林挑战多标签学习，9大数据集超越传统方法
Pysamlam的博客
11-24 2331
来源：arXiv编辑：肖琴2017年，南京大学机器学习与数据挖掘研究所（简称LAMDA 团队）的周志华教授与他的团队，提出了“深度森林”(Deep forest)：一种基...
带圆圈的数字和markdown常用表达式记录
程序袁小黑
11-04 5932
上波浪线: $\widetilde{\phi}$  ϕ~~ \widetilde{\phi} ϕ​ ​ 带圆圈的数字： ⓪ ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ ⑪ ⑫ ⑬ ⑭ ⑮ ⑯ ⑰ ⑱ ⑲ ⑳ ㉑ ㉒ ㉓ ㉔ ㉕ ㉖ ㉗ ㉘ ㉙ ㉚ ㉛ ㉜ ㉝ ㉞ ㉟ ㊱ ㊲ ㊳ ㊴ ㊵ ㊶ ㊷ ㊸ ㊹ ㊺ ㊻ ㊼ ㊽ ㊾ ㊿ These are specifically sans-serif: ???? ➀ ➁ ➂ ➃ ➄ ➅ ➆ ➇ ➈ ➉ Black Circled Number ⓿
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值