摘要：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建立参数模型, 但未能充分利用特征和标记间的联系.本文考虑到特征相似的样 本所对应的标记分布也应当相似, 利用原型聚类的A均值算法（ A-means）, 将训练集的样本进行聚类, 提出基于A- means 算法的标记分布学习（label distribution learning based on A-means a1gorithm, LDLKM）.首先通过聚类算法 A- means求得每-个簇的均值向量, 然后分别求得对应标记分布的均值向量.最后将测试集和训练集的均值向量间的 距离作为权重, 应用到对测试集标记分布的预测上.在6 个公开的数据集上进行实验, 并与3 种已有的标记分布学 习算法在5 种评价指标上进行比较, 实验结果表明提出的LDLKM算法是有效的.

原文链接:http://www.cqvip.com//QK/92035A/201703/672728398.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）