1、盡管多標記學習能夠解決很多帶有標記歧義性的問題，但是它卻不能被很好地應用在不同相關標記相對于示例的重要程度不同的應用場景中。在本文中，我們提出了一種名為標記分布學習的新型的機器學習范式，它能很好地解決不同相關標記重要程度不同的問題。標記分布涉及到示例的一些特定數(shù)量的標記，在每個標記下都有一個描述度，它能夠表示該標記相對于示例的重要程度。標記分布學習是一種更加一般的學習框架，無論是單標記學習還是多標記學習都可以看作它的一種特例。
　

2、　本文的內(nèi)容主要分為六個章節(jié)。在第一章中我們主要介紹了標記分布學習的概念，與單標記學習和多標記學習的區(qū)別與聯(lián)系，標記分布學習的研究現(xiàn)狀，最后給出了本文的研究目標和研究內(nèi)容。第二章對標記分布學習的中涉及的一些概念作了更加形式化的定義。在第三章中，我們提出三類（每類包含兩個，共六個）標記分布學習算法，并且選取了六種具有代表性的能夠評價標記分布學習算法性能的度量標準。第四章中，我們介紹了基于標記分布學習的多模態(tài)年齡估計系統(tǒng)。第五章首先報告了在

3、10個真實標記分布數(shù)據(jù)集上的實驗結果，對比了不同的標記分布學習算法的性能，然后報告了基于標記分布學習的模態(tài)年齡估計的實驗結果，從這兩個實驗中得出了一些有價值的結論。第六章，總結全文。
　　本文的主要貢獻包括:一、形式化地定義了標記分布學習這一新型機器學習范式;二、從三個不同的角度提出了解決標記分布學習問題的算法;三、提出了六種衡量標記分布學習算法性能的評價標準;四、生成了第一批現(xiàn)實世界的標記分布學習數(shù)據(jù)集;五、設計了基于標記分布學