-
题名利用最近邻信息快速分类多标签数据
被引量：3
- 1
-
-
作者
乔健
田庆
-
机构
西北工业大学管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第32期138-140,190,共4页
-
基金
教育部人文社科基金(No.09YJAZH072)
-
文摘
为克服ML-KNN在分类效率方面的局限性,提出了一种基于KNN的快速多标签数据分类算法FKMC,利用待分类实例的k个最近邻的局部信息进行排序分类。从已分类数据实例集中选择待分类数据实例的k个最近邻;根据每个最近邻拥有的标签数和每个标签归属的最近邻数对待分类实例进行排序分类。仿真结果表明,最近邻的选择方法对分类器性能有显著的影响;在分类效果上FKMC与ML-KNN相当,有时甚至优于后者;而在分类效率上FKMC则显著优于ML-KNN。
-
关键词
最近邻
快速分类
多标签数据
快速多标签数据分类算法(FKMC)
-
Keywords
nearest neighbors
fast classifying
multi-label data
Fast K-nearest neighbors based Multi-label Categorization（FKMC）
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于判别性矩阵分解的多标签跨模态哈希检索
被引量：1
- 2
-
-
作者
谭钰
王小琴
蓝如师
刘振丙
罗笑南
-
机构
广西图像图形与智能处理重点实验室(桂林电子科技大学)
卫星导航定位与位置服务国家地方联合工程研究中心(桂林电子科技大学)
-
出处
《计算机应用》
CSCD
北大核心
2023年第5期1349-1354,共6页
-
基金
国家自然科学基金资助项目(62172120,61936002,6202780103,61772149)
广西科技计划项目(2019GXNSFFA245014,AD18216004,AD18281079,AA18118039)
广西图像图形与智能处理重点实验室开发课题(GIIP2001)。
-
文摘
现有的跨模态哈希算法低估了不同类别标签之间语义差异的重要性,忽略了哈希向量的平衡条件,导致所学习到的哈希码的判别性能差。此外,一些方法利用标签信息构造相似性矩阵,并将多标签数据视为单标签数据进行建模,这在多标签跨模态检索中造成了较大的语义损失。为了保留异构数据之间精确的相似程度和哈希向量的平衡特性,提出了一种新的有监督哈希算法——基于判别性矩阵分解的多标签跨模态哈希检索(DMFH)。该方法利用核化特征的协同矩阵分解(CMF)获得了一个共享的隐式子空间;同时利用数据之间共有标签的比例来描述异构数据的相似程度;此外,利用标签的平衡信息构造平衡矩阵,生成具有平衡特性的哈希向量,并最大化不同类别标签之间的类间距。在两个常用多标签数据集MIRFlickr和NUS-WIDE上与7种先进的跨模态哈希方法进行对比,在“以图搜文”(I2T)和“以文搜图”(T2I)任务上,DMFH均取得了最高的平均精度均值(mAP),而且T2I任务的mAP更优,说明DMFH能够更有效地利用文本模态中的多标签语义信息。还分析了所构造的平衡矩阵与相似性矩阵的有效性,验证了DMFH算法能有效保持语义信息和相似性关系,在多标签跨模式检索中是有效的。
-
关键词
跨模态检索
矩阵分解
哈希学习
平衡向量
多标签数据
-
Keywords
cross-modal retrieval
matrix factorization
hash learning
balanced vector
multi-label data
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
