|
|
本帖最后由 xuqian 于 2016-11-14 16:13 编辑
缺失学习：传统的多标记学习要求训练数据的标签矩阵完整。但是实际情况下，我们获得的标签矩阵往往是不完整存在缺失的。缺失学习即利用不完整的标签矩阵实现缺失标签恢复，从而完成后续的多标记学习任务。
下面给出和缺失学习相关的一些文献，paper命名按照“年份+简称+全称”格式。
|
-
-
2008-Semi-supervised multi-label learning by solving a sylvester equation..pdf
510.69 KB, 下载次数: 2
半监督学习方法
-
-
2010-WELL-Multi-label learning with weak label (WELL).pdf
1.27 MB, 下载次数: 10
-
-
2011-Matrix completion for multi-label image classification.pdf
503.05 KB, 下载次数: 2
-
-
2011-Multi-label Learning with Incomplete Class Assignments.pdf
230.77 KB, 下载次数: 2
-
-
2013-Fast image tagging.pdf
4.23 MB, 下载次数: 1
-
-
2014-CSFS-A Convex Formulation for Semi-Supervised Multi-Label Feature Selection.pdf
716.55 KB, 下载次数: 3
半监督学习方法
-
-
2014-Learning Low-Rank Label Correlations for Multi-label Classification with Mi.pdf
271.11 KB, 下载次数: 3
-
-
2014-MLML-Multi-label Learning with Missing Labels.pdf
684.39 KB, 下载次数: 10
-
-
2015-MLMG-Multi-Label_Learning_ICCV_2015_paper.pdf
733.6 KB, 下载次数: 4
-
-
2015-MLML(PR)-Multi-label learning with missing labels for image annotation and .pdf
804.07 KB, 下载次数: 2
-
-
2016-MMIB-Constrained Submodular Minimization for Missing Labels and Class Imbal.pdf
2.48 MB, 下载次数: 2
-
-
2016-Partial Label Learning via Feature-Aware Disambiguation.pdf
412.73 KB, 下载次数: 2
|
关注公众号
发表于 2016-11-14 16:05:22
