10.19734/j.issn.1001-3695.2017.08.0714
基于随机子空间的多标签类属特征提取算法
目前多标签学习已广泛应用到很多场景中.在此类学习问题中,一个样本往往可以同时拥有多个类别标签.因为类别标签可能带有的特有属性(即类属属性)将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法.针对类属属性构造会导致属性空间存在冗余的问题,提出了一种多标签类属特征提取算法LIFT_RSM.该算法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的.在多个数据集上的实验结果表明,与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果.
多标签学习、成对约束、特征提取、随机子空间
36
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61503112,61673152;国家“973”计划资助项目2016YFC0801406;中央高校基本科研业务费专项资金资助项目JZ2017HGBZ0930
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
339-343