基于随机子空间的多标签类属特征提取算法

• 作者: 张晶 李培培 李裕
• 来源期刊: 计算机应用研究
• 关键词: 多标签学习 成对约束 特征提取 随机子空间
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 339-343
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.08.0714

摘要

目前多标签学习已广泛应用到很多场景中.在此类学习问题中,一个样本往往可以同时拥有多个类别标签.因为类别标签可能带有的特有属性(即类属属性)将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法.针对类属属性构造会导致属性空间存在冗余的问题,提出了一种多标签类属特征提取算法LIFT_RSM.该算法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的.在多个数据集上的实验结果表明,与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李培培	合肥工业大学计算机与信息学院	24	142	6.0	11.0
2	张晶	合肥工业大学计算机与信息学院	21	101	7.0	8.0
3	李裕	合肥工业大学计算机与信息学院	1	5	1.0	1.0