文献类型：期刊文章

作　　者：张晨光[1] 张燕[1] 张夏欢[2]

机构地区：[1]海南大学信息科学技术学院数学系,海口570228 [2]北京凌云光技术有限责任公司视觉和图像系统事业部,北京100097

出　　处：《中国科技论文》

基　　金：海南省教育厅高等学校科学研究资助项目(Hjkj2012-01);国家自然科学基金资助项目(11261015)

年　　份：2013

卷　　号：8

期　　号：10

起止页码：998-1002

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、IC、UPD、核心刊

摘　　要：基于希尔伯特-施密特独立性提出了一种新的半监督学习方法,称为最大化依赖性多标签半监督学习方法(dependence maximization multi-label semi-supervised learning method,DMMS)。该方法将样本已有标签作为约束,以最大化特征集和标签集的关联性为目标,通过求解一个线性系统为无标签数据打上标签,具有实现简单,无参(nonparameter)的特点。多个真实多标签数据库的实验表明,DMMS与最好的多标签学习方法,包括多标签近邻(multi-label k-nearest neighbor,MLKNN)和图半监督学习方法具有类似的识别效果。

关 键 词：希尔伯特-施密特独立性  多标签学习  半监督学习

分 类 号：TP181]