基于模糊测量函数多标签图数据特征提取探究.docVIP

基于模糊测量函数多标签图数据特征提取探究 　　摘要：如今，图数据分类变得越来越重要。最近几十年对它的研究也越来越多，并且得到了广泛应用。传统的图数据分类研究主要集中在单标签集，然而在很多应用中，每个图数据都会同时具有多个标签集。这篇文章研究了关于图数据的多标签特征提取问题，并提出基于模糊测量函数的多标签图数据特征提取算法，用于搜索最优子图集。算法采用模糊测量函数作为评估标准评估子图特征的重要性，然后通过边枝界定算法修剪子图搜索空间有效地搜索最优子图特征。实验证明，该方法在现实应用中有较高的精度 关键词：图数据；模糊测量；多标签；特征选取；边枝界定 1.多标签图数据分类研究背景 传统分类方法主要研究单标签分类问题，使用的数据样本只拥有单个标签，如C4.5，SVM，K近邻算法等。然而在许多实际问题中，样本数据可能拥有多个标签。多标签分类就是针对多标签数据的特点，利用数据的多个标签获取相应的数学模型，并依此将一个实例准确地划分到某一个类别中。多标签分类算法广泛地应用于医疗诊断、音乐分类和场景分类中，在这些分类中每一个输入数据样本都拥有多个标签。就像音乐分类系统，一首音乐可能同时属于多个标签，如古典音乐，轻音乐，流行音乐，爵士乐，钢琴曲。对于多标签数据，传统的单标签分类方法已无法满足需求 图是一种最常用的数据结构之一，用于表示事物之间复杂的关系。图广泛地应用于很多分?领域，用于表示复杂结构的物体。如文件分类和在线产品推荐。同时，图数据的复杂性也成为研究中的难点。一个有效的图数据应该能够提取或者找出这些图的一个适当的特征子集以用于分析或者预测。在现实应用中，训练图集的子图特征数量也许会呈指数倍增长，这些数据中包含大量的冗余数据和错误数据。所以多标签分类方法都将依赖于特征筛选程序以选择最重要的子图用来分类 多标签图数据分类的一个基本挑战是确定训练图集的最优特征子图。图分类问题已经得到了广泛的研究。传统方法把主要研究方向放在单标签分类问题（二分类）上，它明确或模糊地假设每一个图只有一个标签。对于单标签分类问题，传统图数据挖掘方法可以扩展并用于找出单标签图数据集中的一个最具价值的子图特征。但是在多标签分类问题上，每一个图拥有多个标签，多个特征子图集需要挖掘 特征选取就是根据某种评估标准，从原始的特征空间中选取最优的特征子图集，代替原始数据用于分类。评估标准在特征选取中起着至关重要的作用，因为他直接决定特征选取算法的性能和分类模型的准确率。目前，特征提取算法中的评估标准主要有距离准则、一致性准则、分类误差准则、信息准则和关联评估准则等。其中关联评估准则是一种应用广泛的评估准则，因为它能很好地度量特征之间的关联性。虽然特征提取算法在传统分类算法中得到了广泛应用，但在多标签图数据学习中并没有得到很好的应用。事实上，多标签图数据中包含大量冗余信息和分类信息量低的数据。因此，评估标准对于多标签图数据分类算法意义重大 在这篇文章里，人们提出了一种全新的多标签分类框架。这个方法被称为基于模糊测量函数的多标签图数据特征提取。首先，利用基于模糊测量函数的特征子集评估标准评估特征子集，用于选取最优的特征子图。为了避免详细地列举所有的子图特征，这里使用一种名flqgSpan的边枝界定算法”，通过修剪子图搜索空间有效的搜索最优的子图特征。实验证明，特征选取算法对多标签分类性能有显著提高 2.相关工作 由于关注的是基于图数据的多标签特征子图的挖掘，首先回顾多标签数据分类和子图特征挖掘 2.1多标签数据分类 多标签学习算法用于处理每一个实例都同时具有多种不同的标签的数据。到目前为止主要有5种多标签学习算法，即数据分解策略、算法延伸策略、混合策略、整体策略和标签编码策略 数据分解策略主要是通过不同的分解技巧将多标签数据分解成一个或多个单标签数据集。如x～多（One VersusRest，OVR），二元关联（Binary Relevance，BR），标签幂集（Label Powerset，LP）。由于存在各种各样的单标签分类器和免费软件，如二分类支持向量机OVR_SVM，可以非常方便地实现一个数据分解算法。数据延伸策略是同时考虑训练数据的全部标签信息，延伸一个多类算法以处理多标签数据集。这种类型的算法有，多标签支持向量机（Rank-SVM），多标签核向量机（Rank-CVM），多标签神经网络（BP-MLL），但是这些算法需要解决复杂的最优化问题。混合策略使用现有的单标签分类方法，并且还明确地或者模糊地将多标签数据集分解成一系列的子集。本质上这些算法是通过稍微牺牲分类性能以减少运算量。典型的方法有多标签K近邻算法（ML-kNN），延伸后的支持向量机（OVR-ESVM）。整体策略是延伸一个现有的多标签整体分类算法或者实现一