哈希快速多标记学习算法.PDF

第３３卷　第 ８期 信 号 处 理 Ｖｏｌ．３３　Ｎｏ．８ ２０１７年８月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ａｕｇ．２０１７ 文章编号：１００３－０５３０（２０１７）０８－１０６５－０８ 哈希快速多标记学习算法 １ １ １ １ ２ 胡海峰　耿静静　冯巧遇　孙　永　吴建盛 （１．南京邮电大学通信与信息工程学院，江苏南京２１０００３；２．南京邮电大学地理与生物信息学院，江苏南京２１００４６） 摘　要：本文针对多标记学习耗时大、很难处理大规模数据的问题，提出了一种哈希快速多标记学习算法（ＨＦＭＬＬ）。 该算法将哈希算法与多标记学习算法结合，采用局部敏感哈希算法快速获得每个样本的近邻样本，并通过最小 独立置换的ＭｉｎＨａｓｈ算法快速找到每个标记的相关标记，根据其近邻样本及相关标记的信息，运用最大后验概 率准则来预测新样本的标记集。实验表明ＨＦＭＬＬ算法在保持较高分类性能的情况下，算法速度明显优于目前的 多标记算法，可以广泛应用于大规模的数据集。 关键词：多标记学习；哈希；快速；标记相关性 中图分类号：ＴＰ３９１　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１７．０８．００６ ＦａｓｔＭｕｌｔｉｌａｂｅｌＬｅａｒｎｉｎｇＢａｓｅｄｏｎＨａｓｈｉｎｇ １ １ １ １ ２ ＨＵＨａｉｆｅｎｇ　ＧＥＮＧＪｉｎｇｊｉｎｇ　ＦＥＮＧＱｉａｏｙｕ　ＳＵＮＹｏｎｇ　ＷＵＪｉａｎｓｈｅｎｇ （１．ＳｃｈｏｏｌｏｆＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ， Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ２１０００３，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＧｅｏｇｒａｐｈｉｃａｎｄＢｉｏｌｏｇｉｃａｌＩｎｆｏｒｍａｔｉｏｎ，Ｎａｎｊｉｎｇ ＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ２１００４６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＡＦａｓｔＭｕｌｔｉｌａｂｅｌＬｅａｒｎｉｎｇｂａｓｅｄｏｎＨａｓｈｉｎｇａｌｇｏｒｉｔｈｍ（ＨＦＭＬＬ）ｉｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｍａｎｙ ｃｕｒｒｅｎｔｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓａｒｅｕｓｕａｌｌｙｔｉｍｅｃｏｎｓｕｍｉｎｇａｎｄｄｉｆｆｉｃｕｌｔｔｏｈａｎｄｌｅｌａｒｇｅｓｃａｌｅｄａｔａ．Ｔｈｅｍｅｔｈｏｄ ｃｏｍｂｉｎｅｓｔｈｅｈａｓｈｉｎｇａｌｇｏｒｉｔｈｍａｎｄｔｈｅｍｕｌｔｉｌａｂｅｌａｌｇｏｒｉｔｈｍ．ＴｈｅＨＦＭＬＬａｌｇｏｒｉｔｈｍｔａｋｅｓａｄｖａｎｔａｇｅｏｆａＬｏｃａｌｉｔｙＳｅｎｓｉｔｉｖｅ Ｈａｓｈｉｎｇ（ＬＳＨ）ｔｏｇｅｔｉｔｓｎｅｉｇｈｂｏｒｉｎｇｉｎｓｔａｎｃｅｓｆｏｒｅａｃｈｕｎｓｅｅｎｉｎｓｔａｎｃｅ，ａｎｄｃａｌｃｕｌａｔｅｓｔｈｅｌａｂｅｌｃｏｒｒｅｌａｔｉｏｎｂｙｅｓｔｉｍａｔｉｎｇ ｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｌａｂｅｌｓｔｈｒｏｕｇｈａｍｉｎｗｉｓｅｉｎｄｅｐｅｎｄｅｎｔｐｅｒｍｕｔａｔｉｏｎｓｌｏｃａｌｉｔｙｓｅｎｓｉｔｉｖｅｈａｓｈｉｎｇ（ＭｉｎＨａｓｈ）ｓｃｈｅｍｅ．Ｔｈｅｎ， ｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉｐｒｉｎｃｉｐｌｅｉｓｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｌａｂｅｌｓｅｔｆｏｒｕｎｓｅｅｎｉｎｓｔａｎｃｅｓｂｙｃｏｎｓｉｄｅｒｉｎｇｔｈｅｉｒｓｔａｔｉｓｔｉｃａｌｉｎｆｏｒｍａ ｔｉｏｎａｔｔａｉｎｅｄｆｒｏｍａｌｌｒｅｌａｔｅｄｌａｂｅｌｓ