一種基于全局和局部標記相關(guān)性的多標記分類算法

型許多研究者嘗試通過特征選擇和標記關(guān)聯(lián)性學(xué)習(xí)來解決多標記分類中的標記相關(guān)性問題。其中一種方法是使用基于關(guān)聯(lián)規(guī)則的方法進行特Mlti-eatureceM(SSVM)[1MutleaturecnLFS)[2]等。另外，還有一些基于圖模型的算法，利用圖結(jié)構(gòu)建模標記之間的相關(guān)性。例如，LbelatonofcalTrust(LPST)[3]、CodtonalandomsforutlCasston(CF[4]，rah-basedut-abelCasfcatinGC)[]等。這些算法雖Yyi,ji個樣本是否含有標簽j；XYf(X,Y)，通過最小化f(X,Y)來學(xué)習(xí)標記矩陣Y和特征矩陣X；使用SingularValueDecomposition(SVD)的方法對標記矩陣YU和一個對角矩陣Σ，U表示標簽之間的相X(i)i個樣本，Y(i)表示該樣本的標記矩陣，Y(j)表示第j個標記，S(i,j)表示樣本i與標記jS(i,j)=X(i)UΣUY(j)0-10.5的標記作為該樣本的KNN的iKNi，將其當做一個新樣本，得到新的特征集合X(Ni)，將這些特征送入SVD模型；得到一個與Ni對應(yīng)的標記集合Y(Ni)，將Y(Ni)用眾數(shù)統(tǒng)計得F(Ni)，并將其歸一化；F(Ni)Ni中心點的標記矩陣做加權(quán)平均，得到局部標記相UCI多標記數(shù)據(jù)集和人造數(shù)據(jù)集上測試了該算法。實驗結(jié)果Guo,Y.,&Liu,T.(2012).Multi-featureselectivesupportvectormachineformulti-labelclassification.JournalofMachineLearningResearch,13(7),1961-1982.Eliseeva,M.,&Last,M.(2013).Multi-labelfeatureselectionusingtree-basedmethodsforonlinefeatureselection.MachineLearningandKnowledgeDiscoveryinDatabases,7981,181-196.Zhou,T.,Huang,M.,&Liu,Y.(2010).Labelpropagationthroughsocialtrust.DataMiningandKnowledgeDiscovery,20(2),390-Wang,Y.,&Zhang,J.(2013).Conditionalrandomfieldsformulti-labelclassification.PatternRecognitionLetters,34(6),641-647.Zhang,M.,Zhang,K.,&Chua,T.S.(2014).Graph-basedmulti-labelclassification.Proceedingsofthe37thInternati