多视图融合的部分多标签学习

来源：计算机工程与应用杂志2025年第24期北京时间：

作者：杨中柳, 殷俊

单位：上海海事大学 信息工程学院，上海 201306

摘要：部分多标签学习（partial multi-label learning，PML）旨在训练实例的标签集中同时处理真实标签和噪声标签。当前大多数PML只考虑单视图场景，却忽略了现实中多视图场景的情况。虽然部分研究利用了多视图特征信息，但多依赖于获取多视图的子空间，对多视图特征信息的学习不够充分。针对以上挑战，提出了一种新颖的多视图融合的PML预测模型PMLMF（partial multi-label learning based on multi-view fusion）。利用矩阵非负分解获得共享子空间，以捕获多视图的共享信息，并将其与原始的多视图数据集相融合，构建新的多视图数据集。利用低秩表示获得标签相关性系数矩阵，从而有效去除噪声并恢复相关标签。将模型推广到非线性版本，以有效地处理线性不可分割的问题。在7个多视图部分多标签数据集中进行了大量的实验，充分验证了该方法的有效性。

关键词：部分多标签学习,多视图融合,标签相关性,非线性