抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチラベル学習は,通常,特徴とラベルの間の相関をマイニングするために使用され,特徴選択は,少数の特徴,l_2,1正則化法を通してできるだけ多くの情報として保持することができ,しかし,それは,疎な係数マトリックスを得ることができるが,しかし,それは,効果的に多重共線性問題を解決できなかった。本論文で提案されたモデルは,l_2,1およびl_F正則化の共同制約付き最適化問題を解くことによって,最も関連する少数の特徴を得ることができる。多様体正則化において,著者らは共同情報マトリックスに基づくランダムウォーク戦略を実行して,非常にロバストな近傍グラフを得た。さらに,モデルを解くためのアルゴリズムを与え,その収束を証明した。実世界データセットの比較実験は,提案方法が他の方法より優れていることを示した。【JST・京大機械翻訳】