基于局部标记信息的多标记学习算法-计算机工程与应用.PDF

132 2015 ，51（10） Computer Engineering and Applications 计算机工程与应用 基于局部标记信息的多标记学习算法 石 杰 SHI Jie 1.山东青年政治学院 实验设备管理处，济南 250103 2.山东省高校信息安全与智能控制重点实验室，济南 250103 1.Laboratory and Equipment Management Office, Shandong Youth University of Political Science, Jinan 250103, China 2.Key Laboratory of Information Security and Intelligent Control in Universities of Shandong Youth, Jinan 250103, China SHI Jie. Algorithm with local label information for multi-label learning. Computer Engineering and Applications, 2015, 51 （10）：132-136. Abstract ：An instance ’s label information may provide some useful information for the other instances, especially in the case of relatively scarce data. Using the relationship between the labeled and unlabeled instances can avoid the errors caused by insufficient data. Based on the research on instance correlation, an algorithm with local label information for multi-label learning is proposed. This algorithm gets the local label information of the instance firstly, and then takes them into the attribute space to build the new space. Finally, the algorithm classifies the instance based on the new space. Experi- mental results show that, the new algorithm outperforms the other commonly used multi-label algorithms most of the time. Key words ：multi-label learning; instance correlation; cluster; kNN 摘 要：一个样例的标记信息可能会对附近其他样例的学习提供有用信息，特别是在数据比较匮乏的情况下，利用 已标记数据与未标记数据间的相关性，能够在一定程度上避免因数据不足所造成的误差。针对样例之间的相关性 研究，提出基于局部标记信息的多标记学习算法，算法首先获取样例的局部标记信息，然后将样例的局部标记信息 引入属性空间构造新的样例集合，并根据新的样例集合进行分类。实验结果表明，算法的分类性能得到较大提升， 且优于其他常用多标记学习算法。 关键词：多标记学习；样例相关性；聚类；k 近邻 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1406-0229 [3-5] 多标记学习问题是国际机器学习领域的一个研究 荐等现实应用中 ，对多标记学习问题的研究具有重要 热点，它最初来源于文档分类问题中所遇到的歧义性问 的理论研究意义与应用价值。 题。在传统监督学习框架下，真实世界的对象与其概念 在本文中，多标记学习描述如下：已知一个定