山东大学学报(工学版)

作者：王一宾,李田力,程玉胜,钱坤

单位：1. 安庆师范大学计算机与信息学院，安徽 安庆 246133；2. 安徽省高校智能感知与计算重点实验室，安徽 安庆 246133

关键词：标记分布学习,高斯噪声,自编码器,核极限学习机,鲁棒性,

基金：安徽省高校重点自然科学基金资助项目(KJ2017A352);安徽省高校重点实验室基金资助项目(ACAIM160102)

标记分布学习中示例由多个不同重要程度的标记共同标注，而在已有的标记分布学习算法中，大部分均在完备数据集下进行，未考虑数据噪声干扰。针对这一问题，结合自编码器的降噪特性和核极限学习机的稳定性，提出一种基于核极限学习机自编码器的标记分布学习算法。使用核极限学习机自编码器对原始特征空间映射，得到更具鲁棒性的特征表达，构造适应标记分布学习的极限学习机模型作为分类器以提升分类效率及性能。试验结果表明，本文算法较其他对比算法具有一定优势，使用假设检验方法进一步说明所提算法的有效性。

来源：2020年第3期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第3期