多标签(记)分类领域相关论文
cg110778
这个作者很懒,什么都没留下…
展开
-
1、Binary Relevance Learning multi-label scene classication
本系列是基于我看过的论文总结的,如果对多标签学习不是很了解的话,可以看下张敏灵教授和周志华教授合写的关于多标记学习的A Review on Multi-Label Learning Algorithms,这篇论文很清楚地介绍了多标记相关的研究。论文相关内容本文中解决多标记问题的方法:考虑基类是可能重叠的而且可以是互斥的。让X为被分类的样本空间,Y为标记集。现在设B是一组二进制向量,每个向量的...原创 2018-10-28 23:16:37 · 2731 阅读 · 0 评论 -
Improving multi-label classification with missing labels by learning label-specific features
论文相关内容本文中解决多标记分类问题的方法:现有的多标签学习方法主要利用由所有标签的特征组成的相同数据表示来判别所有的标签,并假设每个训练样本都观察到所有的类标签。然而,在多标签学习中,每个类的标签可能由其自身的一些特定特性决定,对于一些实际应用,只能得到每个例子的部分标签集。本文提出了一种学习标签特征的新方法——LSML,用于缺失标签的多标签分类。首先,在不完全标签矩阵的基础上,通过学习高阶...原创 2019-09-06 20:50:45 · 922 阅读 · 0 评论 -
Multi-Label Learning With Label Specific Features Using Correlation Information
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...原创 2019-09-06 20:25:09 · 711 阅读 · 0 评论 -
Ranking-Preserving Low-Rank Factorization for Image Annotation With Missing Labels
论文相关内容本文是解决自动图像注释问题(Automatic image annotation AIA)的,可以看做是多标签图像分类任务近几十年来,图像自动标注技术得到了广泛的研究。然而,现有的方法通常假设一个正确标记的训练集,这极大地限制了它们对具有不完整标记的实际数据集的应用。由于缺乏对噪声数据的特殊处理,现有的方法大多将缺失的标签视为严格意义上的负标签,导致标记精度下降。针对这些挑战,本文...原创 2019-05-17 21:57:54 · 246 阅读 · 0 评论 -
Multilabel Image Classification With Regional Latent Semantic Dependencies
论文相关内容本文中解决多标记图像分类问题的方法:深度卷积神经网络(CNN)已经证明了单标签图像分类的先进性能,并且已经在将CNN方法应用于多标签图像分类方面取得了各种进展,这要求在一个镜头内标注对象、属性、场景类别等。目前最先进的多标签图像分类方法利用了图像中的标签依赖关系,在全局范围内大大提高了标签的能力。然而,由于全局视觉特征的局限性,预测小对象和视觉概念仍然具有挑战性。本文提出了一种区域...原创 2019-05-26 20:18:33 · 649 阅读 · 0 评论 -
Training DCNN by Combining Max-Margin, Max-Correlation Objectives, and Correntropy Loss for多标签图像分类
论文相关内容本文中解决多标记图像分类问题的方法:本文利用深度卷积神经网络(DCNN)构造了一个多标签图像分类器。我们提出了一个新的目标函数,它由三个部分组成,即、最大间隔目标、最大相关目标和相关熵损失。最大间隔目标明确强制要求正标签的最小分数必须大于预定间隔的负标签的最大分数,这不仅提高了多标签分类器的准确度,而且还简化了阈值确定。最大相关目标可以使DCNN模型学习一个潜在的语义空间,最大限度...原创 2019-05-12 21:17:27 · 568 阅读 · 0 评论 -
Multi-label Classification via Feature-aware Implicit Label Space Encoding
论文相关内容本文中解决带有大量类的多标记问题的方法:摘要:针对多类多标签分类问题,提出了一种新的标签空间降维方法。它将原始标签空间编码为一个低维的潜在空间,并使用解码过程进行恢复。本文提出了一种新的基于特征感知的LSDR算法隐式标签空间编码。与以往的大多数工作不同,本文提出的FaIE不需要对编码过程做任何假设,而是直接学习一个编码矩阵,即某个隐式编码函数的编码结果和一个线性解码矩阵。为了学习这...原创 2019-05-02 22:36:27 · 354 阅读 · 0 评论 -
Learning Image Conditioned Label Space for Multilabel Classification
论文相关内容本文中解决多标记图像分类问题的方法:该工作解决了多标签图像分类的问题。受深卷积神经网络(CNNs)在单标签视觉语义嵌入方面取得的巨大成功启发,我们利用这些模型对多标签图像进行扩展。具体来说,我们提出了一个依赖于图像的排序模型,该模型根据标签与输入图像的相关性返回标签的排序列表。与传统的CNN模型学习图像表示(即图像嵌入向量)不同,本文模型从图像中学习映射(即转换矩阵),试图区分其相...原创 2019-05-02 17:01:36 · 165 阅读 · 0 评论 -
8、Collective Multi-Label Classification
论文相关内容本文中解决多标记问题的方法:多标签分类的常用方法学习每个类别的独立分类器,并使用排序或阈值模式进行分类。因为它们不利用标签之间的依赖关系,所以这些技术只适合于类别独立的问题。然而,在许多领域,标签是高度相互依赖的。本文研究了在多标签分类中直接参数化标签共现的多标签条件随机域(CRF)分类模型。单标签模型基于特征函数和最大熵原则选择模型。多标签模型3种因子图模型1、二...原创 2019-03-27 11:25:06 · 946 阅读 · 0 评论 -
7、A kernel method for multi-labelled classification
论文相关内容本文中解决多标记问题的方法:本文提出了一种支持向量机(SVM)类学习系统来处理多标签问题。这类问题通常被分解成许多两类问题,但是这样一个系统的表达能力可能很弱。我们探索一种新的直接方法。它是基于一个大间隔排名系统,与支持向量机有许多共同的属性。Rank-SVM学习系统由q个线性分类器组成此算法的模型,当样本线性不可分的时候还可以用核技巧模型的标签预测采用了基于阈值的...原创 2019-03-26 22:19:03 · 583 阅读 · 0 评论 -
6、Knowledge Discovery in Multi-label PhenotypeData
论文相关内容本文中解决多标记问题的方法:生物科学正在经历一场数据爆炸。需要新的数据分析方法来处理这些数据。我们利用KDD分析酵母突变表型生长实验的数据,预测新的基因功能。对数据的分析提出了一些挑战:多类标签,大量稀疏填充的类,需要学习一组准确的规则(不完整的分类),以及大量缺失的值。针对这些问题,我们开发了重采样策略并修改了算法C4.5。Multi-Label Decision Tree基...原创 2019-03-26 20:47:36 · 258 阅读 · 0 评论 -
5、ML-kNN A lazy learning approach to multi-label learning
论文相关内容本文中解决多标记问题的方法:本文提出了一种基于k近邻算法的多标签懒惰学习方法——ML-KNN。具体来说,对于每个不可见的实例,首先确定其在训练集中的K个近邻。然后,根据从这些相邻实例的标签集中获得的统计信息,即每个可能类的相邻实例的数量,利用极大后验(maximum a posteriori, MAP)原则来确定不可见实例的标签集。ML-KNN看了周志华老师的多标签综述中此...原创 2019-03-16 11:10:50 · 847 阅读 · 0 评论 -
4、2011Random k-Labelsets Randomk-Labelsets forMultilabel Classification
论文相关内容本文中解决多标记问题的方法:一种简单而有效的多标签学习方法称为标签幂集(LP),它将训练集中存在的每个不同的标签组合视为单标签分类任务的不同类值。LP的计算效率和预测性能受到具有大量标签和训练实例的应用领域的挑战。在这些情况下,类的数量可能会变得非常大,同时许多类与非常少的训练示例相关联。针对这些问题,本文提出将初始标签集分解为若干个小的随机子集,称为标签集,并利用LP训练相应的分...原创 2019-03-15 22:03:27 · 1595 阅读 · 0 评论 -
3、Calibrated Label Ranking Multilabel classification via calibrated label ranking
论文相关内容本文中解决多标记问题的方法:标签排名(序)研究的问题是学习从示例例到预先定义的标签集的排名的映射。迄今为止,标签排名的现有方法隐式地在一个基础(实用)尺度上运行,而这个尺度并没有被校准,因为它没有一个自然的“零点”。我们的扩展提出了一种概念上新颖的技术,用于通过成对比较方法将通常的学习扩展到多标记场景,这种设置以前不适合成对分解技术。这种方法的关键思想是引入一种人工校准标签,在每个...原创 2018-11-25 22:01:35 · 1819 阅读 · 0 评论 -
2、2011Classifier Chains Classifier chains for multi-label classification
论文相关内容本文中解决多标记问题的方法:众所周知的多标签分类的二元关联方法,认为每个标签都是一个独立的二元问题,由于不能直接对标签相关性建模的不足,在文献中经常被忽视。我们用一种新的分类器链方法举例说明了这一点,这种方法可以在保持可接受的计算复杂度的同时对标签关联进行建模。我们在集成框架中进一步扩展了这种方法。两种模型1、分类器链模型(CC)分类器链模型(CC)涉及L个二类转换——每个标...原创 2018-11-11 20:33:11 · 3306 阅读 · 0 评论 -
Multi-Label Learning with Emerging New Labels
论文相关内容本文中解决多标记分类问题的方法:在多标签学习任务中,对象拥有多个概念,其中每个概念由一个类标签表示。以往关于多标签学习的研究主要集中在一组固定的班级标签上,即,测试数据的类标签集与训练集中的类标签集相同。然而,在许多应用程序中,环境是动态的,可能会在数据流中出现新的概念。为了在这种环境下保持良好的预测性能,多标签学习方法必须具有检测和分类实例的能力。为此,我们提出了一种新的方法,称...原创 2019-09-06 21:28:09 · 409 阅读 · 1 评论