SPL-MLL：为多标签学习选择可预测标志标签
计算机视觉与模式识别
2020-08-18 v1
摘要
尽管取得了显著进展，由于不同标签间相关性的复杂性，多标签分类仍具挑战性。此外，建模输入与某些（平淡）类别之间的关系进一步增加了准确预测所有可能标签的难度。本工作中，我们提出选择一小部分标签作为标志标签（landmarks），这些标签易于根据输入预测（可预测），且能很好地恢复其他可能标签（代表性）。不同于现有以两步方式分离标志标签选择与标志标签预测的方法，所提算法——为多标签学习选择可预测标志标签（SPL-MLL）——在统一框架中联合进行标志标签选择、标志标签预测与标签恢复，以确保所选标志标签的代表性与可预测性。我们采用交替方向法（ADM）求解该问题。在真实数据集上的实证研究表明，我们的方法优于其他最先进方法，取得了优越的分类性能。
引用
@article{arxiv.2008.06883,
title = {SPL-MLL: Selecting Predictable Landmarks for Multi-Label Learning},
author = {Junbing Li and Changqing Zhang and Pengfei Zhu and Baoyuan Wu and Lei Chen and Qinghua Hu},
journal= {arXiv preprint arXiv:2008.06883},
year = {2020}
}