用于多标签学习的自步正则化框架
机器学习
2016-04-07 v2
摘要
本文中，我们提出了一种新颖的多标签学习框架，称为多标签自步学习（MLSPL），试图将自步学习策略引入多标签学习范式。鉴于采用自步学习提出的由易到难策略的益处，所设计的MLSPL旨在通过从易到难逐步将标签学习任务与实例纳入模型训练，来联合学习多个标签。我们首先在多标签学习公式中引入一个自步函数作为正则化项，以便在每次学习迭代中同时对标签学习任务与实例的优先级进行排序。考虑到不同的多标签学习场景在优化过程中往往需要不同的自步方案，我们进而提出了一种寻找所需自步函数的通用方法。在三个基准数据集上的实验结果表明了我们的方法具有最先进的性能。
引用
@article{arxiv.1603.06708,
title = {A Self-Paced Regularization Framework for Multi-Label Learning},
author = {Changsheng Li and Fan Wei and Junchi Yan and Weishan Dong and Qingshan Liu and Xiaoyu Zhang and Hongyuan Zha},
journal= {arXiv preprint arXiv:1603.06708},
year = {2016}
}