| 基于核极限学习机自编码器的标记分布学习 |
| |
| 引用本文： | 王一宾,李田力,程玉胜,钱坤.基于核极限学习机自编码器的标记分布学习[J].山东大学学报(工学版),2020,50(3):58-65. |
| |
| 作者姓名： | 王一宾 李田力 程玉胜 钱坤 |
| |
| 作者单位： | 安庆师范大学计算机与信息学院,安徽 安庆246133;安徽省高校智能感知与计算重点实验室,安徽 安庆246133;安庆师范大学计算机与信息学院,安徽 安庆246133 |
| |
| 基金项目： | 安徽省高校重点自然科学基金资助项目(KJ2017A352);安徽省高校重点实验室基金资助项目(ACAIM160102) |
| |
| 摘 要： | 标记分布学习中示例由多个不同重要程度的标记共同标注，而在已有的标记分布学习算法中，大部分均在完备数据集下进行，未考虑数据噪声干扰。针对这一问题，结合自编码器的降噪特性和核极限学习机的稳定性，提出一种基于核极限学习机自编码器的标记分布学习算法。使用核极限学习机自编码器对原始特征空间映射，得到更具鲁棒性的特征表达，构造适应标记分布学习的极限学习机模型作为分类器以提升分类效率及性能。试验结果表明，本文算法较其他对比算法具有一定优势，使用假设检验方法进一步说明所提算法的有效性。
|
| 关 键 词： | 标记分布学习 高斯噪声 自编码器 核极限学习机 鲁棒性 |
| 收稿时间： | 2019-06-10 |
Label distribution learning based on kernel extreme learning machine auto-encoder |
| |
| Yibin WANG,Tianli LI,Yusheng CHENG,Kun QIAN.Label distribution learning based on kernel extreme learning machine auto-encoder[J].Journal of Shandong University of Technology,2020,50(3):58-65. |
| |
| Authors: | Yibin WANG Tianli LI Yusheng CHENG Kun QIAN |
| |
| Affiliation: | 1. School of Computer and Information, Anqing Normal University, Anqing 246133, Anhui, China2. The University Key Laboratory of Intelligent Perception and Computing of Anhui Province, Anqing 246133, Anhui, China |
| |
| Abstract: | |
| |
| Keywords: | label distribution learning Gaussian noise auto-encoder kernel extreme learning machine robustness |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《山东大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(工学版)》下载全文 |
