基于Spark的多标签超网络集成学习

• 作者: 李航 王进 赵蕊
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 多标签学习 超网络 标签相关性 ApacheSpark 选择性集成学习
• 年，卷（期）: 2017,（5）
• 页码范围: 624-639
• 页数: 16页
• 分类号: TP181
• 字数: 10764字
• 语种: 中文
• DOI: 10.11992/tis.201706033

摘要

近年来,多标签学习在图像识别和文本分类等多个领域得到了广泛关注,具有越来越重要的潜在应用价值.尽管多标签学习的发展日新月异,但仍然存在两个主要挑战,即如何利用标签间的相关性以及如何处理大规模的多标签数据.针对上述问题,基于MLHN算法,提出一种能有效利用标签相关性且能处理大数据集的基于Spark的多标签超网络集成算法SEI-MLHN.该算法首先引入代价敏感,使其适应不平衡数据集.其次,改良了超网络演化学习过程,并优化了损失函数,降低了算法时间复杂度.最后,进行了选择性集成,使其适应大规模数据集.在11个不同规模的数据集上进行实验,结果表明,该算法具有较好的分类性能,较低的时间复杂度且具备良好的处理大规模数据集的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学计算智能重庆市重点实验室	50	202	8.0	12.0
2	赵蕊	重庆邮电大学计算智能重庆市重点实验室	4	14	2.0	3.0
3	李航	重庆邮电大学软件工程学院	2	2	1.0	1.0