文献

J-GLOBAL ID：202202271291615969   整理番号：22A0696341

部分マルチラベル学習のための大域-局所ラベル相関【JST・京大機械翻訳】

Global-Local Label Correlation for Partial Multi-Label Learning

著者 (5件)： Sun Lijuan (Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing, China) ,  Feng Songhe (Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing, China) ,  Liu Jun (Information Systems Technology and Design Pillar, Singapore University of Technology, Singapore, Singapore) ,  Lyu Gengyu (Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing, China) ,  Lang Congyan (Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 24  ページ： 581-593  発行年： 2022年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 部分マルチラベル学習(PML)は,各インスタンスが複数の候補ラベルで割り当てられるシナリオを扱うが,ラベルの部分集合だけが関連する。このタスクは,訓練手順が雑音の多い(関連する)ラベルにより誤解されるため,非常に困難である。ラベル相関の利用は部分マルチラベル学習に有用である。しかし,既存のPML法は,雑音のあるラベルを扱うためのラベル相関情報を明示的かつ十分に活用することが多い。この目的のために,本論文では,部分マルチラベル学習のための新しい大域的局所ラベル相関(GLC)アプローチを提案した。一方,複数の部分空間からラベルの大域的構造情報を明示的に利用するために,ラベル係数行列を導入した。一方,この方法の性能をさらに改善するために,局所ラベル相関を捉えるために,新しいラベル多様体正則化器を提案した。グローバルおよび局所的ラベル相関の利点を共同で取り入れることによって,著者らの提案方法は,多様なドメインから合成および実世界データセットの両方に関して優れた性能を達成した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  多様体 ,  *学習 ,  相関 ,  空間 ,  正則化
準シソーラス用語： 部分空間 ,  係数行列 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチ ,  ラベル ,  学習 ,  相関