宋中山,周玮瑜,孙翀,艾勇,刘越.一种具有保序性的带权多标记学习算法[J].中南民族大学学报自然科学版,2020,39(3):309-314
一种具有保序性的带权多标记学习算法
A weighted multi-label learning algorithm with rank preservation
  
DOI:10.12130/znmdzk.20200315
中文关键词: 多标记学习  标记间关系  权重  
英文关键词: multi-label learning  correlation between labels  weight  rank
基金项目:湖北省技术创新专项重大项目(2019ABA101);中央高校基本科研业务费专项资金资助项目(CZY19014)
作者单位
宋中山 中南民族大学 计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉 430074 
周玮瑜 中南民族大学 计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉 430074 
孙翀 中南民族大学 计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉 430074 
艾勇 中南民族大学 计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉 430074 
刘越 中南民族大学 计算机科学学院湖北省制造企业智能管理工程技术研究中心武汉 430074 
摘要点击次数: 415
全文下载次数: 218
中文摘要:
      多标记学习是机器学习研究领域的热点问题之一. 经典算法仅考虑了标记间的单一关系(序或权重),这使得在部分场景中多标记学习无法应用. 为解决该问题,一种具有保序性的带权多标记学习算法WMLARP(Weighted Multi-label Learning Algorithm with Rank Preservation)被提出. 通过在学习过程中引入“相关-无关”、“相关-相关”两种标记对来度量标记间的序和相对权重,WMLARP对基于SVM的多标记学习算法进行了扩展和优化.实验结果表明:WMLARP可充分挖掘标记间的相关性,有效提高分类模型的质量.
英文摘要:
      Multi-label learning is one of the central topic in the field of machine learning. The classical algorithms considers only a single relationship(rank or weight) between labels, which makes the algorithms unable to be applied in some scenarios. To solve this problem, a new algorithm named weighted multi-label learning algorithm with rank preservation (abbrev. WMLARP) is proposed. WMLARP extends and optimizes the SVM-based multi-label learning algorithm by introducing two kinds of label pairs, which is called “related-unrelated” and “related-related” label pairs, to measure the rank and weight between labels. The experiment shows that WMLARP can mines the correlation between labels fully, improving the quality of the classification model effectively.
查看全文   查看/发表评论  下载PDF阅读器
关闭