结合类标签关联度的有序核判别回归学习
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:


Kernel Discriminant Learning for Ordinal Regression Using Label Membership
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    有序离散类标号通常由原始连续标号按一定规则映射得到,因 此它们彼此间是存在关联信息的,现有有序回归方法对此类关联信息的考虑仍然较少。 首先提出一类有序标号间关联度的量化表示,进而将其与典型有序回归方法(Kernel discrim inant learning for ordinal regression, KDLOR) 相结合,设计出了一种结合类标号关联度的有序核判别回归学习方法(Kernel discriminant learning for ordinal regression using label membership,LM KDLOR),最后通过在 多 个标准有序回归数据集上的对比实验验证了所提方法的有效性。

    Abstract:

    The ordinal discrete labels are usually obtained from continuous labels, and the se regres sor seldom use the mutual membership information between ordinal discret e labels, which can be further improved . Therefore, quantitive representation is character ized for the membership information, and then a kernel discriminant learning for ordinal regression using label membershi p (LM KDLOR) is established by combining the representation with typical off t he shelf KDLOR. Experimental results with the standard ordinal regression data sets verify the e ffectiveness of the proposed strategy.

    参考文献
    相似文献
    引证文献
引用本文

李亚克;田青;高航.结合类标签关联度的有序核判别回归学习[J].数据采集与处理,2016,31(3):532-540

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2016-06-24