通过标签相关网格的标签分布学习
机器学习
2022-10-18 v1
摘要
标签分布学习可通过标签分布刻画实例的一词多义性。然而，在处理标签分布数据时，由于人工或环境因素，可能会在标签空间中引入一些噪声与不确定性。为缓解该问题，我们提出标签相关网格（LCG）来建模标签关系的不确定性。具体而言，我们计算训练集中标签空间的协方差矩阵以表示标签间关系，然后对协方差矩阵中每个元素建模信息分布（高斯分布函数）以获得 LCG。最后，我们的网络学习 LCG 以准确估计每个实例的标签分布。此外，我们提出一种标签分布投影算法作为模型训练过程中的正则化项。大量实验在多个真实基准上验证了我们的方法的有效性。
引用
@article{arxiv.2210.08184,
title = {Label distribution learning via label correlation grid},
author = {Qimeng Guo and Zhuoran Zheng and Xiuyi Jia and Liancheng Xu},
journal= {arXiv preprint arXiv:2210.08184},
year = {2022}
}