基于分类器链的多示例多标记算法

摘要：

退化方法是求解多示例多标记学习(MIML)问题常用的求解方式,但是在退化过程中会造成标记之间的关联信息丢失.对该问题进行研究,提出OCC-M1MLSVM+分类算法,将MIMLSVM+算法与有序分类器链(OCC)方法相结合,通过时分类器进行合理组织,将标记之间的关联信息融入至算法的训练过程中,解决信息丢失问题,提高分类准确率.实验结果表明,改进算法取得了比基准多示例多标记算法更好的分类效果.

关键词：多示例多标记学习、分类器链、标记依赖、信息丢失、支持向量机

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：山东省自然科学基金项目ZR2014FQ018;山东省优秀中青年科学家科研奖励基金项目BS2015DX017

在线出版日期：2019-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1580-1584,1625