具有依赖噪声的不准确标签分布学习
机器学习
2024-05-28 v1
摘要
在本文中，我们引入了基于依赖噪声的不准确标签分布学习（DN-ILDL）框架，以应对标签分布学习中由实例和标签依赖性引起的噪声所带来的挑战。我们首先将不准确标签分布矩阵建模为真实标签分布与受特定实例和标签影响的噪声矩阵的组合。为了解决这个问题，我们开发了一个从实例到其真实标签分布的线性映射，结合了标签相关性，并使用特征和标签表示对噪声矩阵进行分解，应用组稀疏约束来准确捕获噪声。此外，我们采用图正则化来对齐输入和输出空间的拓扑结构，确保真实标签分布矩阵的准确重建。利用交替方向乘子法（ADMM）进行高效优化，我们验证了该方法准确恢复真实标签的能力，并建立了泛化误差界。大量实验表明，DN-ILDL有效解决了ILDL问题，并优于现有的LDL方法。
引用
@article{arxiv.2405.16474,
title = {Inaccurate Label Distribution Learning with Dependency Noise},
author = {Zhiqiang Kou and Jing Wang and Yuheng Jia and Xin Geng},
journal= {arXiv preprint arXiv:2405.16474},
year = {2024}
}