大數(shù)據(jù)時代,在實際應(yīng)用中所面臨的數(shù)據(jù)體量大幅增長,由于對數(shù)據(jù)進(jìn)行詳細(xì)標(biāo)記的難度很大而且成本極高,弱標(biāo)簽數(shù)據(jù)已經(jīng)成為了大數(shù)據(jù)時代所面臨的主要數(shù)據(jù)。比例標(biāo)簽數(shù)據(jù)作為弱標(biāo)簽數(shù)據(jù)中的一個重要類型,有著廣闊的應(yīng)用場景,但目前仍未受到廣泛關(guān)注。已有的比例標(biāo)簽學(xué)習(xí)模型在處理大規(guī)模問題時,計算速度往往較慢。為了提高學(xué)習(xí)速度,本文提出Lap-Inv Cal模型,利用LapESVR進(jìn)行比例標(biāo)簽學(xué)習(xí)。大量實驗表明,該模型在保證較高精度的同時,大幅提升了訓(xùn)練速度,能夠廣泛應(yīng)用于大規(guī)模比例標(biāo)簽學(xué)習(xí)問題中。 

【文章來源】：管理評論. 2019,31(06)北大核心CSSCI

【文章頁數(shù)】：9 頁

【文章目錄】：
引言
相關(guān)研究綜述
    1、比例標(biāo)簽學(xué)習(xí) (LLP) 相關(guān)研究
    2、流形學(xué)習(xí)相關(guān)研究
提出的模型
實驗和對比
    1、實驗設(shè)定
    2、準(zhǔn)確率比較
    3、訓(xùn)練時間比較
結(jié)論


【參考文獻(xiàn)】：
博士論文
[1]基于帶約束隨機(jī)游走圖模型的弱監(jiān)督學(xué)習(xí)算法研究[D]. 程圣軍.哈爾濱工業(yè)大學(xué) 2014



本文編號：3248018