基于依赖最大化和稀疏回归的多标签特征选择

针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法 (multi-label feature selection with dependence maximization and sparse regression,DMSR)。构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵。在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法。     

中国标签产业的发展机遇和严峻挑战

正在我国经济发展进入"新常态",稳中向好的形势下,2016年国内生产总值达74.4万亿元,比上年增长6.7%,预计2017年国内生产总值将超过80万亿元,基本实现中高速发展。在此推动下,2016年全国印刷工业总产值实现了11 500亿元,居世界第二位。在标签印刷领域,     

崇尚创新 不断进取——访广州市丽宝包装有限公司副总经理甘群

正标签作为商品包装的一部分,在日常生活中随处可见,应用涉及生活日用品、医药、食品、饮料、电子电器、玩具、体育用品、公路交通等各个领域,有着广阔的发展前景。标签的广泛应用以及标签品种的不断发展,推动了标签印刷技术的发展。随着人们对环保的认识和重视程度的提高,薄膜类标签的使用呈上升趋     

伪标签置信选择的半监督集成学习视频语义检测

在视频语义检测中，有标记样本不足会严重影响检测的性能，而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此，提出一种伪标签置信选择的半监督集成学习算法。首先，在三个不同的特征空间上训练出三个基分类器，得到基分类器的标签矢量；然后，引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差，作为基分类器的标签置信度，并融合标签矢量和标签置信度得到样本的伪标签和集成置信度；接着，选择集成置信度高的样本加入到有标签的样本集，迭代训练基分类器；最后，采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%，与Co-KNN-SVM算法相比，平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性，又能体现所属类别的唯一性，可减少利用伪标签样本的风险，有效提高视频语义概念检测的准确率。