基于標簽關(guān)聯(lián)的多標簽分類問題的算法改進.pdf

1、多標簽分類問題是一種在當今現(xiàn)實生活中普遍存在的分類問題，而隨著機器學(xué)習(xí)技術(shù)與人工智能的發(fā)展，大數(shù)據(jù)時代的來臨，現(xiàn)今多標簽分類技術(shù)已經(jīng)廣泛應(yīng)用于基因分類，文本分類，音樂分類，數(shù)據(jù)挖掘及圖像分類，也越來越受到國內(nèi)外學(xué)者的重視，成為了一種十分重要的分類問題的分支。
　　多標簽分類問題的概念來源于與傳統(tǒng)分類問題之間的比較，在傳統(tǒng)分類問題中，一般問題中僅僅具有兩個標簽，并且每一個樣本都會屬于其中一個標簽，而多標簽分類中，標簽總數(shù)一般超過兩個

2、，而且對于每一個樣本來說，其所屬的標簽數(shù)目一般是不定的，這就使得多標簽問題變得更加難解決。現(xiàn)實中，分類問題由于樣本的重疊訓(xùn)練和標簽的相關(guān)性，會導(dǎo)致分類錯誤，而在多標簽問題中，這樣的情況也會出現(xiàn)。而現(xiàn)今的一種最廣泛應(yīng)用于解決多標簽分類的方法——Binary Relevance算法能夠較好的解決多標簽分類問題，但是其在分類過程中忽略的標簽關(guān)聯(lián)這一對多標簽分類十分重要的信息。所以本文提出了一種基于標簽關(guān)系和分類置信度的算法，旨在利用訓(xùn)練樣本信

3、息，提取出標簽關(guān)聯(lián)度，并利用標簽關(guān)聯(lián)以動態(tài)權(quán)重的策略結(jié)合分類部分以提高分類準確率。
　　本文的基本思路如下，首先利用Binary Relevance將多標簽問題轉(zhuǎn)化為多個獨立的二分類問題，利用概率輸出支持向量機得到每個樣本關(guān)于任意標簽的分類概率。然后根據(jù)訓(xùn)練集的先驗情況，通過提出的標簽關(guān)聯(lián)度抽取模型，計算得到標簽間的關(guān)系，再依據(jù)每一個樣本的分類置信度，確定分類器輸出概率與標簽關(guān)聯(lián)的結(jié)合權(quán)重。再利用二分類結(jié)果，標簽關(guān)聯(lián)，和結(jié)合權(quán)重，