一种基于嵌入式的弱标记分类算法

作者：李亚重; 杨有龙^*; 仇海全

来源：南京大学学报(自然科学), 2020, 56(04): 549-560.

DOI：10.13232/j.cnki.jnju.2020.04.013

• 弱标记学习
• 标签嵌入
• 低秩分解
• 希尔伯特-施密特独立标准
• 缺失标签

对于高维标签的分类问题,标签嵌入法已经受到广泛关注.现有的嵌入方法大都需要完整的标签信息,也没有将特征空间考虑在内;同时,由于数据进行人工标注的成本高以及噪声干扰等原因,仅能获得数据的部分标签信息,使得含有缺失标签的高维标签分类问题变得更加复杂.为解决这一问题,提出一种弱标记嵌入算法(Label Embedding for Weak Label Classification,LEWL).该算法利用矩阵的低秩分解模型,结合样本的流形结构恢复缺失标签;同时采用希尔伯特-施密特独立标准技术(Hilbert-Schmidt Independence Criterion,HSIC)使特征和标签相互作用,联合学习获得一个低维的嵌入空间,可以有效地减少模型的训练时间.通过在七个多标签数据集上与其他算法的对比实验,结果表明了所提算法的有效性.

• 单位
  西安电子科技大学; 安徽科技学院