论文部分内容阅读
尽管多标记学习能够解决很多带有标记歧义性的问题,但是它却不能被很好地应用在不同相关标记相对于示例的重要程度不同的应用场景中。在本文中,我们提出了一种名为标记分布学习的新型的机器学习范式,它能很好地解决不同相关标记重要程度不同的问题。标记分布涉及到示例的一些特定数量的标记,在每个标记下都有一个描述度,它能够表示该标记相对于示例的重要程度。标记分布学习是一种更加一般的学习框架,无论是单标记学习还是多标记学习都可以看作它的一种特例。 本文的内容主要分为六个章节。在第一章中我们主要介绍了标记分布学习的概念,与单标记学习和多标记学习的区别与联系,标记分布学习的研究现状,最后给出了本文的研究目标和研究内容。第二章对标记分布学习的中涉及的一些概念作了更加形式化的定义。在第三章中,我们提出三类(每类包含两个,共六个)标记分布学习算法,并且选取了六种具有代表性的能够评价标记分布学习算法性能的度量标准。第四章中,我们介绍了基于标记分布学习的多模态年龄估计系统。第五章首先报告了在10个真实标记分布数据集上的实验结果,对比了不同的标记分布学习算法的性能,然后报告了基于标记分布学习的模态年龄估计的实验结果,从这两个实验中得出了一些有价值的结论。第六章,总结全文。 本文的主要贡献包括:一、形式化地定义了标记分布学习这一新型机器学习范式;二、从三个不同的角度提出了解决标记分布学习问题的算法;三、提出了六种衡量标记分布学习算法性能的评价标准;四、生成了第一批现实世界的标记分布学习数据集;五、设计了基于标记分布学习的多模态年龄估计系统。