控制与决策

作者：胡峰,刘鑫,邓维斌,代劲,刘群

单位：重庆邮电大学 计算机学院,重庆 400065;重庆邮电大学 计算智能重庆市重点实验室,重庆 400065,,重庆邮电大学 计算机学院,重庆 400065,,重庆邮电大学 计算智能重庆市重点实验室,重庆 400065,,重庆邮电大学 计算智能重庆市重点实验室,重庆 400065,,重庆邮电大学 计算智能重庆市重点实验室,重庆 400065,

关键词：弱监督;偏标记学习;消歧;流形假设;最大间隔;图嵌入

基金：国家重点研发计划项目(2018YFC0832102)；重庆市高校与中国科学院所属院所重点合作项目(HZ2021 008)；重庆市自然科学基金项目(cstc2021jcyj-msxmX0849).

偏标记学习是一种弱监督学习框架,它试图从样本的多个候选标签中选择唯一正确的标签.消歧是偏标记学习中的一种重要手段,主要通过算法判别潜在的真实标签.目前,人们普遍采用单一的特征空间或者标签空间进行消歧,容易导致算法受到不准确先验知识的引导而陷入鞍点.针对消歧过程中特征相似样本易受到异类样本影响从而影响消歧效果这一问题,定义了样本离异点和离异图;在此基础上,提出一种离异图引导消歧的偏标记学习方法.该方法利用标签空间的差异构建离异图,可以有效结合特征空间的相似性和标签空间的差异性,降低离异点为消歧过程带来的潜在风险.实验结果表明,与PLKNN、IPAL、SURE、PL-AGGD、SDIM、PL-BLC、PRODEN等方法相比较,所提出的算法在偏标签学习方法中表现更好,能够取得良好的消歧效果.

来源：2023年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第6期