基于奇异值分解―偏最小二乘回归多标签分类算法.docVIP

基于奇异值分解―偏最小二乘回归多标签分类算法 　　摘 要: 　　 　　针对多标签数据的标签相关性和高维问题，提出一种基于奇异值分解―偏最小二乘回归的多标签分类算法，该算法可以对多标签数据进行维数约简和回归分析。首先，将类别标签集合作为整体处理,对标签相关性进行考察; 其次，利用奇异值分解(SVD)技术得到样本和标签空间的得分向量，实施降维; 最后，在偏最小二乘回归(PLSR)的基础上构建多标签分类模型。实验结果表明，在四种维数较高的真实数据集上，该算法可以获得有效的分类结果。 　　?ス丶?词:多标签分类；奇异值分解；偏最小二乘回归；维数约简；标签相关性 　　 　　 　　?ブ型挤掷嗪?: TP181 　　 　　文献标志码:A 　　英文标题?? 　　 　　Multi??label classification based on singular value decomposition??partial least squares regression 　　?び⑽淖髡呙? 　　 　　 　　MA Zongjie??1, LIU Huawen????1,2??*?? 　　?び⑽牡刂?( 　　 　　 　　1.College of Mathematics, Physics and Information Engineering, Zhejiang Normal University, Jinhua Zhejiang 321004, China??;???? 　　2.Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100055, China 　　 　　英文摘要)?? 　　Abstract: 　　To tackle multi??label data with high dimensionality and label correlations, a multi??label classification approach based on Singular Value Decomposition (SVD)??Partial Least Squares Regression (PLSR) was proposed, which aimed at performing dimensionality reduction and regression analysis. Firstly, the label space was taken into a whole so as to exploit the label correlations. After that, the score vectors of both the instance space and label space were obtained by SVD, which was used for dimensionality reduction. Finally, the model of multi??label classification was established based on PLSR. The experiments performed on four real data sets with higher dimensionality verify the effectiveness of the proposed method. 　　 　　英文关键词??Key words: 　　 　　multi??label classification; Singular Value Decomposition (SVD); Partial Least Squares Regression (PLSR); dimensionality reduction; label correlation?? 　　0 引言 ?? 　　传统分类学习中，每个样本只能被一个类别标签标注。而在真实世界中，一个样本可以对应多个类别标签。例如，一幅风景画可以贴上“青山”、“绿水”和“蓝天”等多个标签；一则关于奥运的新闻报道可以同时标注为“运动会”“奥运精神” 和“荣誉”等。这类问题属于多标签分类学习领域。?Ъ偕?A=(a??1,a??2,…,a??n)表示n个样本的集合，L={ l????i ??| i=1,2,…, j}表示类别标签集，其中j表示标签的数目。给定一个多标签训练集D={(a??i,J??i) | i=1,2,…,n }，其中a??i∈A表示第i个样本，J????i ????L表示与a??i对应的标签集合