一种集成基于规则的透明模型、软标签相关性学习与标签噪声抵抗的鲁棒多标签方法
人工智能
2023-09-26 v3
摘要
模型透明性、标签相关性学习以及对标签噪声的鲁棒性对于多标签学习至关重要。然而，现有方法很少同时研究这三种特性。为应对该挑战，我们提出具有三种机制的鲁棒多标签Takagi-Sugeno-Kang模糊系统 (R-MLTSK-FS)。首先，我们设计了一种软标签学习机制，通过显式度量标签间交互来降低标签噪声的影响，这也是另外两种机制的基础。其次，基于规则的TSK FS被用作基模型，以比许多现有多标签模型更透明的方式高效建模特征与软标签间的推理关系。第三，为进一步提升多标签学习性能，我们基于软标签空间与模糊特征空间构建了相关性增强学习机制。我们进行了大量实验以证明所提方法的优越性。
引用
@article{arxiv.2301.03283,
title = {A Robust Multilabel Method Integrating Rule-based Transparent Model, Soft Label Correlation Learning and Label Noise Resistance},
author = {Qiongdan Lou and Zhaohong Deng and Kup-Sze Choi and Shitong Wang},
journal= {arXiv preprint arXiv:2301.03283},
year = {2023}
}
备注
This paper has been accepted by IEEE Transactions on Fuzzy Systems