基于局部正、负标记相关性的k近邻多标记分类新算法

• 作者: 侯金泉 肖潇 蒋芸 陈莉
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 多标记学习 正、负相关性 标记独有特征 k近邻
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1854-1860
• 页数: 7页
• 分类号: TP391
• 字数: 7477字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.10.019

摘要

在多标记学习中,每个样本都由一个实例表示,并与多个类标记相关联.现有的多标记学习算法大多是在全局利用标记相关性,即假设所有的样本共享不同类别标记之间的正相关性.然而,在实际应用中,不同的样本共享不同的标记相关性,标记间不仅存在正相关性,而且存在相互排斥的现象,即负相关性.针对这一问题,提出了基于局部正、负成对标记相关性的k近邻多标记分类算法PNLC.首先,对多标记数据的特征向量进行预处理,分别为每类标记构造对该类标记最具有判别能力的属性特征;然后,在训练阶段,PNLC算法通过所有训练样本中各样本的每个k近邻的真实标记构建标记之间的正、负局部成对相关性矩阵;最后,在测试阶段,首先得到每个测试样例的k近邻及其对应的正、负成对标记关系,利用该标记关系计算最大后验概率对测试样例进行预测.实验结果表明,PNLC算法在yeast和image数据集上的分类准确率明显优于其他常用的多标记分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋芸	西北师范大学计算机科学与工程学院	38	377	11.0	18.0
2	陈莉	西北师范大学计算机科学与工程学院	22	122	5.0	11.0
3	肖潇	西北师范大学计算机科学与工程学院	2	1	1.0	1.0
4	侯金泉	西北师范大学计算机科学与工程学院	3	2	1.0	1.0