一种基于增量式超网络的多标签分类方法

摘要：

在层次多标签分类问题中,一个样本同时被赋予多个类别标签,并且这些类别标签被组织成一定的层次结构.层次多标签分类问题的主要挑战在于:①分类方法的输出必须符合标签的层次结构约束;②层次深的节点所代表的标签往往只有很少的样本与之相关,造成标签不平衡的问题.提出一种用于层次多标签分类问题的增量式超网络学习方法(hierarchical multi-label classification using incremental hypernetwork,HMC-IMLHN),通过将超网络的超边组织成相应的层次结构,使输出的预测标签能够满足标签的层次约束.此外,超网络学习方法可以利用标签之间的关联减少标签不平衡问题对分类性能的影响.实验结果表明,与其他层次多标签分类方法相比,提出的增量式超网络方法能够取得较好的分类准确性.

关键词：多标签分类、层次多标签分类、不平衡分类、超网络

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：重庆市重点产业共性关键技术创新专项cstc2017zdcy-zdyfX0012;国家社会科学基金西部项目18XGL013

在线出版日期：2019-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：538-549