روشي تركيبي و نيمه نظارتي مبتني بر گراف براي برچسب‌زني خودكار تصاوير

روش‌هاي يادگيري نيمه نظارتي مبتني بر گراف اغلب بر روي مسائل تك برچسبي متمركز و پياده‌سازي شده‌اند، درصورتي‌كه بسياري از مسائل دنياي واقعي به‌صورت چندبرچسبي هستند. در اين مقاله يك روش نيمه نظارتي تركيبي بنام LGC+MLKNN براي برچسب‌زني تصاوير به‌صورت چندبرچسبي ارائه داده‌ايم كه از تركيب روش يادگيري نيمه نظارتي مبتني بر گراف (LGC) و يادگيري چندبرچسبي (MLKNN) تشكيل‌شده است . روش ارائه‌شده به دليل استفاده از يادگيري نيمه نظارتي و مشاركت دادن تمام نمونه‌ها و پيش‌بيني برچسب‌هاي اوليه و آموزش يادگير MLKNN با تعداد نمونه برچسب خورده بيشتر، داراي دقت بهتري نسبت به روش‌هاي موجود است. روش ارائه‌شده روي چندين مجموعه داده استاندارد آزمون شده است. نتايج آزمايش‌ها نشان مي‌دهد كه عملكرد روش ارائه‌شده بخصوص در مواردي كه تعداد نمونه برچسب‌دار بسيار كم است، به نحو قابل‌ملاحظه‌اي بهتر است.