1 標記增強及標簽分布學習

https://mp.weixin.qq.com/s/cXiR-UeJkcdkljJvE2eERw
http://palm.seu.edu.cn/xgeng/files/sc-info18.pdf
https://baijiahao.baidu.com/s?id=1687693358774525583&wfr=spider&for=pc
https://blog.csdn.net/weixin_42001089/article/details/113976181

2 我們已有的工作

COS-LDL: Label Distribution Learning by Cosine-Based Distance-Mapping Correlation
三角距離相關性的標簽分布學習
融合標簽結構依賴性的標簽分布學習
李桂林的工作：探索標簽和特征之間的因果關系
白潤婷的工作：探索樣本之間的相關性
容斌元的工作：（1）基于協方差的標簽相關性
（2）基于深度學習的標簽分布學習
樊俊的工作：基于熱傳導來計算聚類后同一簇樣本標簽之間的共有特征$Y$。然后考慮共有特性$Y$和獨有特性$L$對標簽增強的影響，公式如下：
$$W=\alpha Y+(1?\alpha )L$$
在討論過程中，我建議將公式改為：
$$W=\alpha Y+(1?\alpha )W$$
李鵬程的工作：基于資源傳導，利用樣本的多標簽信息，計算標簽之間的轉移矩陣$P$，再利用轉移矩陣進行標簽增強。
$$D^{(t)}=\alpha P{D}^{(t?1)}+(1?\alpha )L$$
熊炎雯的工作：？？？
陳源的工作：？？？

總結

以上是生活随笔為你收集整理的标签分布学习相关研究的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。