123,123

內(nèi)容簡(jiǎn)介

　　《機(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究》由東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院助理研究員徐寧撰寫。全書聚焦標(biāo)記端多義性這一當(dāng)今機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題，針對(duì)學(xué)習(xí)過程中不可避免的信息損失這一突出問題，提出了標(biāo)記增強(qiáng)的概念，以期在不增加額外數(shù)據(jù)標(biāo)注負(fù)擔(dān)的前提下，挖掘訓(xùn)練樣本中蘊(yùn)含的標(biāo)記重要性差異信息，將邏輯標(biāo)記轉(zhuǎn)化為標(biāo)記分布?！稒C(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究》共六章：第1章緒論，介紹了全書的研究背景和研究?jī)?nèi)容。第2章標(biāo)記增強(qiáng)研究進(jìn)展，介紹了標(biāo)記增強(qiáng)的研究進(jìn)展。第3章標(biāo)記增強(qiáng)理論框架，構(gòu)建了標(biāo)記增強(qiáng)的理論框架。第4章面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)，提出了面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)。第5章標(biāo)記增強(qiáng)在其他學(xué)習(xí)問題上的應(yīng)用，將標(biāo)記增強(qiáng)應(yīng)用到其他學(xué)習(xí)問題上。第6章總結(jié)與展望，總結(jié)現(xiàn)有工作，并在此基礎(chǔ)上進(jìn)行展望。

作者簡(jiǎn)介

　　徐寧，東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院助理研究員。先后獲中國(guó)科學(xué)技術(shù)大學(xué)學(xué)士學(xué)位、中國(guó)科學(xué)院大學(xué)碩士學(xué)位以及東南大學(xué)博士學(xué)位。主要從事機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的研究。在ICML、NeurIPS、IEEE TPAMI、IEEE TKDE等著名國(guó)際會(huì)議和期刊發(fā)表論文20余篇。獲2021年CCF優(yōu)秀博士學(xué)位論文獎(jiǎng)、2020年德國(guó)DAAD AInet獎(jiǎng)、2021年江蘇省優(yōu)秀博士學(xué)位論文獎(jiǎng)。擔(dān)任Frontiers of Computer Science的預(yù)備青年編委，CCF人工智能與模式識(shí)別專業(yè)委員會(huì)執(zhí)行委員，ICML、NeurIPS、ICLR、AAAI、IJCAI、ECML等著名國(guó)際會(huì)議的（高級(jí)）程序委員會(huì)委員，IEEE TPAMI、IEEE TNNLS、IEEE TMM等著名國(guó)際期刊的審稿人。

圖書目錄

第1章緒論
1.1 研究背景 1
1.2 標(biāo)記增強(qiáng)簡(jiǎn)介 5
1.3 研究?jī)?nèi)容 7
1.4 組織結(jié)構(gòu) 9
第2章標(biāo)記增強(qiáng)研究進(jìn)展
2.1 引言 11
2.2 多標(biāo)記學(xué)習(xí) 14
2.2.1 學(xué)習(xí)任務(wù) 14
2.2.2 學(xué)習(xí)方法 15
2.2.3 評(píng)價(jià)指標(biāo) 22
2.3 標(biāo)記分布學(xué)習(xí) 29
2.3.1 學(xué)習(xí)任務(wù) 31
2.3.2 學(xué)習(xí)方法 33
2.3.3 評(píng)價(jià)指標(biāo) 39
2.4 標(biāo)記增強(qiáng) 40
2.4.1 基于先驗(yàn)知識(shí)的標(biāo)記增強(qiáng) 42
2.4.2 基于模糊方法的標(biāo)記增強(qiáng) 45
2.4.3 基于圖的標(biāo)記增強(qiáng) 48
第3章標(biāo)記增強(qiáng)理論框架
3.1 引言 52
3.2 標(biāo)記分布內(nèi)在生成機(jī)制 54
3.3 標(biāo)記分布質(zhì)量評(píng)價(jià) 62
3.4 標(biāo)記增強(qiáng)對(duì)分類器泛化性能的提升 66
3.5 實(shí)驗(yàn)結(jié)果與分析 68
3.5.1 標(biāo)記分布恢復(fù)實(shí)驗(yàn) 68
3.5.2 消融實(shí)驗(yàn) 80
3.6 本章小結(jié) 85
第4章面向標(biāo)記分布學(xué)習(xí)的標(biāo)記增強(qiáng)
4.1 引言 86
4.2 GLLE方法 87
4.2.1 優(yōu)化框架 88
4.2.2 拓?fù)淇臻g結(jié)構(gòu)的引入 89
4.2.3 標(biāo)記相關(guān)性的利用 90
4.2.4 優(yōu)化策略 92
4.3 實(shí)驗(yàn)結(jié)果與分析 94
4.3.1 標(biāo)記分布恢復(fù)實(shí)驗(yàn) 94
4.3.2 標(biāo)記分布學(xué)習(xí)實(shí)驗(yàn) 103
4.3.3 標(biāo)記相關(guān)性驗(yàn)證 107
4.4 本章小結(jié) 109
第5章標(biāo)記增強(qiáng)在其他學(xué)習(xí)問題上的應(yīng)用
5.1 引言 111
5.2 多標(biāo)記學(xué)習(xí) 112
5.2.1 LEMLL方法 113
5.2.2 實(shí)驗(yàn)結(jié)果與分析 118
5.3 偏標(biāo)記學(xué)習(xí) 126
5.3.1 PLLE方法 128
5.3.2 實(shí)驗(yàn)結(jié)果與分析 132
5.4 本章小結(jié) 149
第6章總結(jié)與展望
6.1 總結(jié) 151
6.2 下一步研究的方向 153