基于粒子群的多标记阈值自适应极限学习机

• 作者: 于化龙 许二戗
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 多标记分类 类别不平衡 粒子群优化 极限学习机 阈值技术
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP181
• 字数: 5338字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.04.010

摘要

多标记学习考虑单个样例与多个类别标记相关联的情况,类别不平衡主要研究样本不均衡带给算法的影响,两者均是当前机器学习研究领域的热点.在多标记数据集中普遍存在类别不平衡现象,虽然目前已经提出了大量的多标记学习,但对于数据集的内在特点却鲜有研究.针对这一问题,提出了一种基于粒子群的多标记阈值自适应极限学习机算法(MLTA-ELM).该算法充分结合了极限学习机学习速度快、泛化性能好的优点及类别不平衡学习中的阈值自适应选择策略.首先利用极限学习机构建一个单隐层前馈神经网络模型,其次利用该模型实现多标记初步预测,然后采用粒子群优化算法作为阈值自适应选择策略,以此获得判断标记类别的最优阈值组合.最后,通过12个基准的多标记数据集,对MLTA-ELM算法的可行性及有效性进行了验证.实验结果表明,该算法与其他几种流行的方法相比,具有更好的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于化龙	江苏科技大学计算机学院	44	135	8.0	10.0
2	许二戗	江苏科技大学计算机学院	1	0	0.0	0.0