基于标记依赖关系集成分类器链的多示例多标签支持向量机算法.pdf

2017年 第26卷 第4期 http：／／www．c-S-a．org．cn 计 算 机 系 统 应 用 基于标记依赖关系集成分类器链的多示例多标签支持 向量机算法① ， 李村合，王文杰 (中国石油大学 计算机与通信工程学院，青岛 266580) 摘 要：ECC．MIMLSVM 是多示例多标签学习框架下一种算法，该算法提出了一种基于分类器链的方法，但其 没有充分考虑到标签之间的依赖关系，而且当标签数 目的增多，子分类器链长度增加，使得误差传播问题凸显． 因此针对此问题，提 出了一种改进算法，将 ECC．MIMLSVM~算法和标签依赖关系相结合，设计成基于标记依赖 关系集成分类器链(ELDCT-MIMLSVM)来加强标签间信息联系，避免信息丢失，提高分类的准确率．通过实验 将本文算法与其他算法进行了对比，实验结果显示，本文算法取得了良好的效果． 关键词：多示例多标签；支持向量机；标签依赖关系；分类器链 M ulti-InstanceMulti-LabelSupportVectorM achineAlgorithm BasedonLabeledDependency RelationEnsembleClassifierChain LICun—He，WANG Wen—Jie (CollegeofComputerandCommunicationEngineering，ChinaUniversityofPetroleum，Qingdao266580，China) Abstract：ECC—MIMLSVM isan algorithm ofmulti-instanceandmulti-labellearning framework．Thisalgorithm proposesamethodbasedonclassifierchain，butitdoesnotconsiderthedependenciesbetweenlabels．Whenthenumber oftagsincreases，htelengthofthesubclassifierchainalsoincreases，makingtheerrorpropagationproblem prominent． Therefore，thispaperpresentsakindofimprovedalgorithm，combiningECC-MIMLSVM~algorithm andhtelabel dependencies．ELDCT．MIMLSVM algorithm isdesigned，whichisbasedonensemblesof1abeldependenciesclassifier ． chahato avoid theinformation lossandimprovetheclassification accuracy．Theexperimentresultsshow thatthe algorihtm hasgoodeffect． Keywords：multi—instancemulti—label；SVM；ensemblesoflabeldependencies；classifierchains l 引言 多标签支持向量机算法，分别是MIMLBOOST算法6【1 在传统监督学习[1】中，每个对象用一个示例进行 和 MIMLSVM 算法[7】． 描述，该示例隶属于一个概念标签，在该框架下对象 2010年，河海大学的张敏灵提出MIML．KNN[驯算 不具有歧义性．在多示例学习[21中，每个对象由多个 法，该算法在 K．NN 算法基础上的改进算法并应用于 示例进行描述，并且同时隶属于一个概念标签，其描 MIML学习．该算法不仅考虑一个样本的近邻f称为 述对象的内容存在歧义性．在多标签 3【．4】学习中，每个 neighbors)，还考虑了以该样本为近邻的样本． 对象 由单个示例描述，并且隶属于多个概念标签，其