一种非负稀疏近邻表示的多标签学习算法

• 作者: 徐丹洋 罗斌 陈思宝
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 多标签学习 稀疏近邻表示 LASSO稀疏最小化 非负重构
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 899-904
• 页数: 6页
• 分类号: TP391.4
• 字数: 6578字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2015.06.018

摘要

针对训练数据中的非线性流形结构以及基于稀疏表示的多标签分类中判别信息丢失严重的问题，该文提出一种非负稀疏近邻表示的多标签学习算法。首先找到待测试样本每个标签类上的k-近邻，然后基于LASSO稀疏最小化方法，对待测试样本进行非负稀疏线性重构，得到稀疏的非负重构系数。再根据重构误差计算待测试样本对每个类别的隶属度，最后实现多标签数据分类。实验结果表明所提出的方法比经典的多标签k近邻分类(ML-KNN)和稀疏表示的多标记学习算法(ML-SRC)方法性能更优。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗斌	安徽大学计算机科学与技术学院	181	1213	16.0	25.0
2	陈思宝	安徽大学计算机科学与技术学院	16	75	6.0	7.0
3	徐丹洋	安徽大学计算机科学与技术学院	1	2	1.0	1.0