多视角半监督标签分布学习中的局部结构互补
机器学习
2025-10-17 v1
摘要
标签分布学习（LDL）是一种范式，其中每个样本与一个标签分布相关联。目前，现有的做法针对带标签数据的单视角 LDL 问题进行了提出，而针对带标签和无标签数据的多视角 LDL 问题尚未被考虑。在本文中，我们提出了一种多视角半监督标签分布学习的方法，利用局部结构互补（MVSS-LDL），该方法探索每个视角的局部最近邻结构，并强调多个视角中局部最近邻结构的互补性。具体而言，我们首先通过计算 k 最近邻来探索视角 v 的局部结构。结果获得每个样本 x_i 在视角 v 中的 k 最近邻集合。然而，这一 k 最近邻集合仅描述了样本 x_i 的部分最近邻信息。为了获得对样本 x_i 最近邻更全面的描述，我们通过融合其他视角中样本 x_i 的最近邻来补充视角 v 中的最近邻集合。最后，基于每个视角中补充后的最近邻集合，构建了一个基于图学习的多视角半监督 LDL 模型。通过考虑局部最近邻结构的互补性，不同视角能够相互提供局部结构信息以相互补充。到目前为止，我们是首次尝试多视角 LDL。数值研究表明，MVSS-LDL 在分类性能上显著优于现有的单视角 LDL 方法。
引用
@article{arxiv.2510.13917,
title = {Multi-View Semi-Supervised Label Distribution Learning with Local Structure Complementarity},
author = {Yanshan Xiao and Kaihong Wu and Bo Liu},
journal= {arXiv preprint arXiv:2510.13917},
year = {2025}
}