基于稳健模糊粗糙集模型的多标记文本分类

摘要：

针对多标记数据的不确定性以及噪声数据的存在,提出了一种新的多标记稳健模糊粗糙分类模型.该模型是处理单标记分类问题的k-mean稳健统计量模糊粗糙分类模型的扩展应用.对于每个待分类数据,首先根据相似性计算方法,得到它们相对于各标记的隶属度;然后根据隶属度定义待分类数据与各标记的相关度;最后为每一组相关度赋予合适的阈值,得到相关的标记集合.在3个标准多标记数据集和1个真实多标记文本数据集上的实验结果表明,对于多标记文本分类问题,所提模型在6个常用的多标记评测指标上较常用的ML-kNN和rank-SVM多标记学习方法具有更高的准确率.

关键词：模糊粗糙集、k-mean稳健统计量、隶属度、多标记学习

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61175067,61272095;山西省科技攻关项目20110321027-02;山西省回国留学人员科研项目2013-014

在线出版日期：2016-05-13（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：270-275