基于浮动阈值分类器组合的多标签分类算法.pdfVIP

JournalofComputerApplications ISSN 1oo1—908l 2015．O1．10 计算机应用，2015，35(1)：147—151 CODEN JYliDU http：／／www．joca．cn 文章编号：1001—9081(2015)叭一0147-05 doi：10．11772／j．issn．1001—9081．2015．01．0147 基于浮动阈值分类器组合的多标签分类算法 张丹普 ，付忠良，王莉莉 ，李 昕 (1．中国科学院成都计算机应用研究所，成都610041； 2．中国科学院大学，北京 100049) (通信作者电子邮箱lindazdp@126．corn) 摘 要：针对 目标可以同时属于多个类别的多标签分类问题，提 出了一种基于浮动阈值分类器组合的多标签分 类算法。首先，分析探讨了基于浮动阈值分类器的AdaBoost算法(AdaBoost．FT)的原理及错误率估计，证明了该算法 能克服 固定分段 阈值分类器对分类边界附近点分类不稳定的缺点从而提高分类准确率；然后 ，采用二分类 (BR)方法 将该单标签学习算法应用于多标签分类问题，得到基于浮动阈值分类器组合的多标签分类方法，即多标签AdaBoost． FTr。实验结果表明，所提算法的平均分类精度在 Emotions数据集上比AdaBoost．MH、ML．kNN、RankSVM这3种算法 分别提高约4％、8％、11％；在 Scene、Yeast数据集上仅比RankSVM低约3％、1％。由实验分析可知，在不同类别标记 之间基本没有关联关系或标签数 目较少的数据集上，该算法均能得到较好的分类效果。 关键词：连续AdaBoost；浮动阈值；极大似然原理；多标签分类；集成学习；二分类方法 中图分类号：TP391．4；TP18 文献标志码：A Multi-labelclassificationalgorithm basedonfloatingthresholdclassifierscombination ZHANG Danpu， ，FU Zhongliang，WANG Lili一，LIXin， (1．ChengduInstituteofComputerApplication，ChineseAcademyofSciences，ChengduScihuan610041，China； 2．UniversityofChineseAcademyofSceinces，Beqing100049，China) Abstract：Tosolvethemulti．1abe1classification problem thatatargetbelongstomultipleclasses．anew multi-label classificationalgorithm based on floating threshold classifierscombination wasproposed．Firstly，the theory and error estimationoftheAdaBoostalgorithmwithfloatingthreshold(AdaBoost．FT)wereanalyzedanddiscussed，anditwasproved thatAdaBoost．FIalgorithm couldovercomethedefectofunstabitilywhenthefixedsegmentationthresholdclassifierwasused to classify the pointsnearclassifying boundary，the classification accuracy of single-labelclassi