基于双标签集的标签匹配集成学习算法

• 作者: 付忠良 张丹普 李昕 王莉莉
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 连续AdaBoost 多标签学习 多标签集 标签匹配 集成学习
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2577-2580
• 页数: 4页
• 分类号: TP391.4
• 字数: 5073字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.09.2577

摘要

当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法.尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性.通过对标签匹配问题进行深入的研究,在连续AdaBoost(real Adaptive Boosting)算法的基础上,基于整体优化的思想,采用算法适应的方法,提出了基于双标签集的标签匹配集成学习算法,该算法能够较好地学习到标签匹配规律从而完成标签匹配.实验结果表明,与传统的多标签学习算法用于解决标签匹配问题相比,提出的新算法不仅缩小了搜索的标签空间的范围,而且最小化学习误差可以随着分类器个数的增加而降低,进而使得标签匹配分类更加快速、准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付忠良	中国科学院成都计算机应用研究所	50	1542	17.0	39.0
2	李昕	中国科学院成都计算机应用研究所	54	993	14.0	31.0
6	王莉莉	中国科学院成都计算机应用研究所	35	511	12.0	22.0
10	张丹普	中国科学院成都计算机应用研究所	7	34	4.0	5.0