• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Graph-based Semi-supervised Learning With Multiple Labels
【24h】

Graph-based Semi-supervised Learning With Multiple Labels

机译：基于图的多标签半监督学习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Conventional graph-based semi-supervised learning methods predominantly focus on single label problem. However, it is more popular in real-world applications that an example is associated with multiple labels simultaneously. In this paper, we propose a novel graph-based learning framework in the setting of semi-supervised learning with multiple labels. This framework is characterized by simultaneously exploiting the inherent correlations among multiple labels and the label consistency over the graph. Based on the proposed framework, we further develop two novel graph-based algorithms. We apply the proposed methods to video concept detection over TRECVID 2006 corpus and report superior performance compared to the state-of-the-art graph-based approaches and the representative semi-supervised multi-label learning methods.
机译：常规的基于图的半监督学习方法主要集中在单标签问题上。但是，在一个实际应用程序中，一个示例同时与多个标签相关联更为流行。在本文中，我们提出了一种在多个标签的半监督学习环境中基于图的学​​习框架。该框架的特点是同时利用多个标签之间的固有相关性和图形上的标签一致性。在提出的框架的基础上，我们进一步开发了两种新颖的基于图的算法。我们将提出的方法应用于TRECVID 2006语料库的视频概念检测，并报告与基于图形的最新方法和具有代表性的半监督多标签学习方法相比所具有的优越性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号