基于标签相关性的多标签分类AdaBoost算法

摘要：

在多标签分类问题中,标签之间往往是相关的,为了提高分类性能,利用标签之间的相关性,提出AdaBoost.MLR算法和标签相关性分析方法.AdaBoost.MLR算法采用余弦相似度来计算标签相关性矩阵,利用标签相关性矩阵对原始标签矩阵进行补全转换为模糊标签矩阵,将标签空间划分为标签集、标签相关集和标签无关集,结合标签之间的相关性和弱分类器的分类情况,对样本权重进行调整.AdaBoost.MLR算法也能解决多类别分类问题,在其标签相关性的计算中,根据已经训练的弱分类器得到的临时强分类器的分类结果,构造标签相似性矩阵.实验结果表明,文中提出的算法在实验数据集上优于现有的算法,尤其在标签相关性复杂的数据集上分类性能有显著提升.

关键词：标签相关性、多标签分类、多分类问题、AdaBoost算法、分类器组合

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技支撑计划资助项目2012GZ0106;中科院西部之光人才培养计划资助项目;四川省科技创新苗子工程资助项目2015060

在线出版日期：2016-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：91-97