计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
11期
260-264
,共5页
图数据%主动学习%复杂度%最小化
圖數據%主動學習%複雜度%最小化
도수거%주동학습%복잡도%최소화
Data on graph%Active learning%Complexity%Minimization
主动学习已经广泛应用于图数据的研究,但应用于多标签图数据的分类较为少见.结合基于误差界最小化的主动学习,给出了一种多标签图数据的分类方法,即通过多标签分类与局部和全局的一致性学习(LLGC)得到一系列目标方程,并将其用于最小化直推式的拉德马赫复杂度,得到最小泛化误差上界,从而在图上获取少量的但蕴含巨大信息量的节点.实验证明,应用该方法的多标签分类器的输出有很高的精确度.
主動學習已經廣汎應用于圖數據的研究,但應用于多標籤圖數據的分類較為少見.結閤基于誤差界最小化的主動學習,給齣瞭一種多標籤圖數據的分類方法,即通過多標籤分類與跼部和全跼的一緻性學習(LLGC)得到一繫列目標方程,併將其用于最小化直推式的拉德馬赫複雜度,得到最小汎化誤差上界,從而在圖上穫取少量的但蘊含巨大信息量的節點.實驗證明,應用該方法的多標籤分類器的輸齣有很高的精確度.
주동학습이경엄범응용우도수거적연구,단응용우다표첨도수거적분류교위소견.결합기우오차계최소화적주동학습,급출료일충다표첨도수거적분류방법,즉통과다표첨분류여국부화전국적일치성학습(LLGC)득도일계렬목표방정,병장기용우최소화직추식적랍덕마혁복잡도,득도최소범화오차상계,종이재도상획취소량적단온함거대신식량적절점.실험증명,응용해방법적다표첨분류기적수출유흔고적정학도.
