基于模糊C均值改进的粒化特征加权多标签分类算法

• 作者: 柴瑞敏 闫婷
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 模糊C均值聚类 信息增益 平均信息熵 粒化 多标签学习
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法
• 页码范围: 286-291
• 页数: 6页
• 分类号: TP301.6
• 字数: 4936字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.06.052

摘要

多标签分类中,每个样本拥有多个标签,使得标签间的组合数量呈指数增长,分类过程中不同特征附带的标签分类信息不同,而特征和标签间的相关性常被忽略.为此,提出基于模糊C均值(FCM)改进的粒化特征加权多标签分类算法.该算法依据平均信息熵所得最佳粒化数目对标签空间粒化,由信息增益计算特征对于标签粒的隶属度,由隶属度判断它们之间相关性的大小,将这相关性融入到特征的权重系数中,对特征进行加权,以解决特征与标签的相关性问题和标签组合爆炸问题.在多个数据集上的实验表明:相较于其他经典多标签学习算法,该算法在各项评价指标的整体上取得较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴瑞敏	辽宁工程技术大学电子与信息工程学院	20	225	7.0	15.0
2	闫婷	辽宁工程技术大学电子与信息工程学院	1	3	1.0	1.0