基于自然邻居的标记分布学习

摘要：

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记分布学习的特例.已有的标记分布学习算法中,基于算法改造的AA-KNN(Algorithm Adaptation-KNN)是一种高效的算法,但任何涉及K近邻求解问题的算法在处理不同数据集时,参数K值的选取都是一个难题,不同的K值得到的结果明显不同.基于此,将自然最近邻居的概念引入标记分布学习,提出一种新的标记分布学习方法.对数据集使用自然最近邻居搜索算法查找每个样本的自然邻居,取自然邻居的标记分布均值作为预测结果.搜索算法不需要人工设置任何参数,同时搜索算法是一种被动搜索,其自适应计算得到每个样本的邻居.在6个数据集上使用6个评价指标进行实验,结果表明,与AA-KNN相比,结合自然最近邻居的标记分布学习算法不仅避免了人工设置参数的问题,而且取得了更优的效果.

关键词：标记分布、标记分布学习、自然邻居、无参数

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市科技项目

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：132-136