安庆师范大学学报(自然科学版)

2020, v.26;No.118(02) 55-62

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于K-means的GLOCAL改进算法
Improved GLOCAL Algorithm Based on K-means

王一宾;黄志强;程玉胜;

摘要(Abstract):

在多标签学习中,标签相关性是不可或缺的。当标签缺损只能观察到一部分标签时,很难判断标签之间的相关性。具有全局与局部标签相关性的多标签(GLOCAL)算法通过学习潜在标签和引入标签流行正则化项,同时利用全局和局部标签相关性来解决标签缺损问题。但是该算法在通过低秩分解学习潜在标签以及原始标签与潜在标签的关联性时,初始化的低秩矩阵是随机获取的,这导致该算法结果并不稳定。基于此,利用K-means算法对原始标签进行聚类,获得的聚类中心矩阵将能更好地表现出原始标签与潜在标签之间的相关性。实验结果表明,本文的算法是合理和有效的。

关键词(KeyWords): 多标签;全局性;局部性;K-means;GLOCAL

Abstract:

Keywords:

基金项目(Foundation): 安徽省高校重点科研项目(KJ2017A352)

作者(Author): 王一宾;黄志强;程玉胜;

Email:

DOI: 10.13757/j.cnki.cn34-1328/n.2020.02.011

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享