标记分布相关论文
监督学习是应用最为广泛的机器学习范式之一,监督学习算法可以在数据驱动下有效地学习特征空间到标记空间的映射关系。但当训练数......
在经典机器学习问题中,多标记学习作为一个热门的研究内容对现实世界多义性对象的研究具有重要意义,然而在现有的多标记学习算法中......
面部表情是一个人表达情绪最直接的形式之一。由于人机交互的发展,许多领域开始关注人脸表情识别。近几年深度学习方法显著提升了......
零样本学习作为机器学习中的一项新的挑战,越来越多的研究者将注意力放在了这一项新的任务上。零样本学习指的是利用类别辅助信息,......
近些年来,作为一种新的有监督学习范式,标记分布学习(LDL)已被应用到多个领域,如人脸年龄估计、头部姿态估计、电影评分预测、公共......
随着深度学习及相关技术的快速发展与完善,计算机视觉应用将更加广泛。其中人脸年龄估计是计算机视觉的一个极为重要的分支,在公共......
随着生成对抗网络在图像生成领域的发展,人脸表情图像生成效果有了显著提升。然而,目前方法往往基于传统表情分类,忽略表情的复杂......
在传统监督学习中,每个训练样本由一个训练示例和一个类标记组成。在现实世界的应用中,每个训练示例有可能和多个类标记关联。多标......
特征选择作为多标记学习任务中关键预处理步骤,能够有效地解决高维多标记数据存在的维度灾难问题。在现有大部分的多标记学习中,标......
中医临床诊断中,医生通过望舌色的变化可以快速定位病症类型及部位。目前对舌色的自动分析工作主要从样本的单标记角度出发,通过监督......
在高维数据中,许多样本存在冗余或者不相关的特征,冗余特征的存在会降低算法的效率,不相关特征的存在会对学习算法的效果造成一定的影......
多标记学习在一定程度上解决了标记多义性问题,它主要关注实例对应的相关标记或者无关标记,而标记分布能够反映相关标记对于实例的......
针对传统特征选择算法无法处理流特征数据、冗余性计算复杂、对实例描述不够准确的问题,提出了基于粗糙集的数据流多标记分布特征......
标记分布是一种新的机器学习范式,能很好地解决某些标记多义性问题,可看作多标记的泛化。传统的单标记学习和多标记学习均可看作标......
在多标记学习中,特征选择是处理数据高维问题和提升分类性能的一种有效手段,然而现有特征选择算法大多是基于标记分布大致平衡这一......
标记分布学习是近年来提出的-种新的机器学习范式, 它能很好地解决某些标记多义性的问题.现有的标 记分布学习算法均利用条件概率......
标记分布是一种新的学习范式,现有算法大多数直接使用条件概率建立参数模型,未充分考虑样本之间的相关性,导致计算复杂度增大。基......