科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种融合标签局部相关性的标签分布学习(label distribution learning, LDL)算法，该算法分为3个阶段。初始预测阶段构建多层神经网络模型，将样本的原始特征作为输入、初始预测的标签分布作为输出；局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息，然后针对不同类计算对应的协方差矩阵，利用该矩阵来矫正初始预测的标签分布，获得每个类对应的矫正标签分布；标签融合阶段对矫正后的标签分布进行加权，再与初始预测的标签分布进行融合，得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验，结果表明本文的算法能较好地描述标签局部相关性，在多个主流评估指标上排名靠前。
- 单位
