多示例多標記學習方法
大?。?/span>0.75 MB 人氣： 2018-01-05 需要積分：1
標簽：
針對現有的大部分多示例多標記（ MIML）算法都沒有考慮如何更好地表示對象特征這一問題，將概率潛在語義分析（ PLSA）模型和神經網絡（NN）相結合，提出了基于主題模型的多示例多標記學習方法。算法通過概率潛在語義分析模型學習到所有訓練樣本的潛在主題分布，該過程是一個特征學習的過程，用于學習到更好的特征表達，用學習到的每個樣本的潛在主題分布作為輸入來訓練神經網絡。當給定一個測試樣本時，學習測試樣本的潛在主題分布，將學習到的潛在主題分布輸入到訓練好的神經網絡中，從而得到測試樣本的標記集合。與兩種經典的基于分解策略的多示例多標記算法相比，實驗結果表明提出的新方法在現實世界中的兩種多示例多標記學習任務中具有更優越的性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%