我院数据挖掘课题组论文被顶级期刊TKDE长文接收

发布日期:2021-01-24 浏览次数: [字体: ]

我院数据挖掘课题组谈超副教授于20211月在CCF A类数据挖掘领域国际顶级学术期刊IEEE Transactions on Knowledge and Data Engineering (TKDE)上录用一篇双排15regular长文,题为:A Novel Probabilistic Label Enhancement Algorithm for Multi-label Distribution Learning[1]

 

该论文提出了一种新颖的概率标签增强算法,称为PLEA,以解决针对多标签分类问题的具有挑战性的标签分发学习(LDL)。我们采用著名的基于最大熵模型的标签分布学习器。但是,与现有的基于最大熵模型的LDL算法不同,我们使用流形学习来增强标签分布学习器。具体地,在特征流形空间构造中利用标签流形中的监督信息来提高特征提取的准确性,同时显着减小特征尺寸。然后,使用鲁棒的线性回归来估计与提取的降维特征相关的标签分布。在最大熵模型中使用增强的降维特征及其相关的估计标签分布,可以更准确地估计未知的真实标签分布,同时大大降低计算复杂度。我们在广泛的人工和高维真实世界数据集上评估提出的PLEA方法。获得的实验结果表明,与最新的多标签LDL方法相比,我们提出的PLEA方法在LDL准确性和运行时性能方面具有优势。结果还表明,我们的PLEA与用于分类任务的最新的多标签学习算法相比具有优势。

 

中国计算机学会(CCF)将IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE)定位为数据库/数据挖掘/内容检索领域A4个国际期刊之一,排名第3。“A类指国际上极少数的顶级刊物和会议,鼓励我国学者去突破”。该学术期刊每年出版12期,共收录130篇文章左右。

 

image.png

 

 [1]C. Tan, S. Chen, G. Ji, and X. Geng. A Novel Probabilistic Label Enhancement Algorithm for Multi-label Distribution Learning. IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE), 2021:1-15, in press.