原创力文档- 1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出一种基于最优劣距的部分多标记学习方法。具体而言假设数据具有平滑性，即特征空间相似的示例，其真实标记也应具有相似性。先基于示例特征空间的相似性定义一个相似度矩阵来衡量示例的相似度，利用候选标记集合的信息初始化置信度矩阵，通过迭代传播的方式不断更新置信度矩阵。再应用逼近理想解排序法，根据最优劣贴合的方式提取可信标记集合，至此去除了候选标记集合中噪声标记的影响，实现对候选标记集合的消歧，最后运用一个成熟的多标记学习算法来对消歧后的部分多标记学习进行训练预测。以此解决训练阶段易受到噪声标记的影
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112465016 A
(43)申请公布日 2021.03.09
(21)申请号 202011346614.7
(22)申请日 2020.11.25
(71)申请人 上海海事大学
地址
文档评论（0）