论文部分内容阅读
现有多标记迁移学习主要利用全局标记关系信息，由于源领域与目标领域的标记关系存在差异，源领域中全局标记关系不适合于目标领域．本文提出一种局部标记关系的多标记迁移学习算法，该算法通过对样本的标记进行聚类和最小化联合损失函数，可以有效的挖掘领域间共享的局部标记关系，对应的局部关系编码可以作为样本的辅助特征从而提高模型性能．图像分类实验表明，在多标记迁移学习中，基于局部标记关系的学习算法相比基于全局标记关系的学习算法具有更好的分类效果；本文所提算法与现有算法相比具有更好的分类效果．