一种基于示例非独立同分布的多示例多标签分类算法

发布时间：2017-12-19 23:34

  本文关键词：一种基于示例非独立同分布的多示例多标签分类算法　出处：《计算机科学》2016年02期 　论文类型：期刊论文

  更多相关文章： 多示例学习 多示例多标签学习 示例非独立同分布 多核学习

【摘要】：多示例多标签学习是一种新型的机器学习框架。在多示例多标签学习中,样本以包的形式存在,一个包由多个示例组成,并被标记多个标签。以往的多示例多标签学习研究中,通常认为包中的示例是独立同分布的,但这个假设在实际应用中是很难保证的。为了利用包中示例的相关性特征,提出了一种基于示例非独立同分布的多示例多标签分类算法。该算法首先通过建立相关性矩阵表示出包内示例的相关关系,每个多示例包由一个相关性矩阵表示;然后建立基于不同尺度的相关性矩阵的核函数;最后考虑到不同标签的预测对应不同的核函数,引入多核学习构造并训练针对不同标签预测的多核SVM分类器。图像和文本数据集上的实验结果表明,该算法大大提高了多标签分类的准确性。
【作者单位】： 鲁东大学信息与电气工程学院;山东工商学院信息与电子工程学院;
【基金】：国家自然科学基金(61170161,61300155,61303086) 山东省政府留学基金委 鲁东大学博士基金(LY2014033)资助
【分类号】：TP181
【正文快照】： 1引言在传统的监督学习中,一个样本可以表示为一个示例,并被一个标签标记。这种模型在机器学习中得到广泛的应用,但是对于现实世界的复杂问题并不适用。多示例学习可以看作是监督学习的一种变形,因为其独特的性质,被认为是一种新的学习框架[2],与监督学习、非监督学习和强化学，

本文编号：1309901