期刊专题

监督和半监督学习下的多标签分类综述

引用
传统的多标签分类算法大多数采用监督学习的方式,但现实生活中有许多数据没有被标记.通过人工的方式对需要的全部数据进行标记耗费的成本较高.半监督学习算法可以使用大量未标记数据和标记数据来进行工作,因此受到了人们的重视.文中首次从监督和半监督学习的角度对多标签分类算法进行阐述,同时全面地对多标签分类算法的应用领域进行了总结.从决策树、贝叶斯、支持向量机、神经网络和集成等多个方向对标签非相关性和标签相关性的监督学习算法进行概述,从批处理和在线的方向对半监督学习算法进行综述,从图像分类、文本分类和其他等角度对多标签的实际应用领域进行介绍.文中还简要分析了多标签的评估指标,最后给出了关于半监督学习下的复杂概念漂移处理、特征选择处理、标签复杂相关性处理和类不平衡处理的研究方向.

监督学习、半监督学习、多标签分类、图像分类、文本分类

49

TP391(计算技术、计算机技术)

国家自然科学基金;宁夏自然科学基金项目

2022-08-11(万方平台首次上网日期,不代表论文的发表时间)

共14页

12-25

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn