多標(biāo)簽分類中標(biāo)簽編碼算法研究.pdf

1、在多標(biāo)簽分類中，一個樣本可能同時包含多個標(biāo)簽，多個標(biāo)簽之間可存在相互重疊。隨著數(shù)據(jù)集的標(biāo)簽維度增高，以及標(biāo)簽稀疏性問題，會導(dǎo)致分類算法的計算復(fù)雜度增加，分類性能下降。因此，對標(biāo)簽空間的編碼研究是多標(biāo)簽分類中非常重要的過程。
　　標(biāo)簽空間的編碼方法，主要分為標(biāo)簽壓縮類方法，標(biāo)簽擴(kuò)張類方法以及標(biāo)簽特征同時壓縮的方法。本文從標(biāo)簽壓縮的角度，提出了兩種用于多標(biāo)簽編碼的模型:(1)最大化標(biāo)簽與特征之間依賴度的標(biāo)簽編碼模型(LCCMD):該模

2、型采用Hilbert-Schmidt獨立性準(zhǔn)則來度量特征空間與標(biāo)簽空間的依賴度，通過最大化依賴度求解出標(biāo)簽空間的最優(yōu)投影，從而實現(xiàn)對標(biāo)簽空間的線性編碼與解碼;(2)基于對稱網(wǎng)絡(luò)的標(biāo)簽編碼模型(LCCSN):該模型構(gòu)建一個五層的對稱自動編碼網(wǎng)絡(luò)，然后采用極限學(xué)習(xí)機(jī)的思想來訓(xùn)練該網(wǎng)絡(luò)，求解出對稱網(wǎng)絡(luò)的最優(yōu)權(quán)值，從而實現(xiàn)對標(biāo)簽空間非線性的編碼與解碼。
　　在算法的實驗部分，主要收集了10個多標(biāo)簽分類算法的評價準(zhǔn)則，12個多標(biāo)簽數(shù)據(jù)集，與