回归核极限学习机的多标记学习算法

摘要：

基于极限学习机(ELM)的多标记学习算法多使用ELM分类模式,忽略标记之间存在的相关性.为此,文中提出结合关联规则与回归核极限学习机的多标记学习算法(ML-ASRKELM).首先通过关联规则分析标记空间,提取标记之间的规则向量.然后通过提出的多标记回归核极限学习机(ML-RKELM)得出预测结果.若规则向量不为空,将规则向量与预测结果运算得出最终预测结果,否则最终结果即为ML-RKELM的预测结果.对比实验表明ML-ASRKELM与ML-RKELM性能较优,统计假设检验进一步说明文中算法的有效性.

关键词：多标记学习、极限学习机(ELM)、标记相关性、关联规则、回归拟合

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省高校重点科研项目KJ2017A352;安徽省高校重点实验室基金项目ACAIM160102;Natural Science Research Funds of Education De-partment of Anhui ProvinceKJ2017A352;University Key Laboratory of Intelligent Perception and Computing of Anhui ProvinceACAIM160102

在线出版日期：2018-07-02（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：419-430