从希尔伯特-施密特独立性中学习的多标签半监督学习方法.docVIP

  从希尔伯特-施密特独立性中学习的多标签 半监督学习方法 张晨光 1，张燕 1，张夏欢 2 (1. 海南大学信息科学技术学院数学系，海口 570228； 2. 北京凌云光技术有限责任公司视觉和图像系统事业部，北京 100097) 摘要：基于希尔伯特-施密特独立性提出了一种新的半监督学习方法，称为最大化依赖性多 标签半监督学习方法(dependence maximization multi-label semi-supervised learning method， DMMS)。该方法将样本已有标签作为约束，以最大化特征集和标签集的关联性为目标，通 过求解一个线性系统为无标签数据打上标签，具有实现简单，无参(nonparameter)的特点。 多个真实多标签数据库的实验表明，DMMS 与最好的多标签学习方法，包括多标签近邻 (Multi-Label K-Nearest Neighbor，MLKNN)和图半监督学习方法具有类似的识别效果。 关键词：希尔伯特-施密特独立性; 多标签学习; 半监督学习 中图分类号：TP391 文献标识码：A  Multi-label semi-supervised learning method learnt from Hilbert-Schmidt independence criterion Zhang Chenguang1, Zhang