基于RBF神經(jīng)網(wǎng)絡(luò)和標簽關(guān)聯(lián)的多標簽學(xué)習(xí).pdf

1、多標簽分類問題屬于傳統(tǒng)的分類問題之一，在現(xiàn)實生活中廣泛存在?，F(xiàn)今，多標簽算法在解決實際問題中得到廣泛應(yīng)用。然而，多標簽實例所屬的標簽都是標簽空間的一個子集，即每個多標簽樣本可能屬于多個標簽，而非像二分類問題，樣本只屬于一個標簽，這使得多標簽問題與傳統(tǒng)的分類問題相比更加復(fù)雜。過去十年里，研究者提出了許多關(guān)于多標簽分類的算法，其中絕大部分算法都采用在完全相同的數(shù)據(jù)特征上對每個標簽進行學(xué)習(xí)的策略。然而，由于每個標簽擁有特定的屬性，因而應(yīng)該擁有

2、符合自身標簽性質(zhì)的特定特征集，上述被廣泛采用的在統(tǒng)一特征集上直接進行多標簽學(xué)習(xí)的策略并不是最優(yōu)的。而且，在多標簽分類問題中，每個標簽相對于其它標簽不是完全獨立的，標簽關(guān)聯(lián)性信息對于提高分類的性能具有重大意義。因此，本文的目標是通過為每個標簽構(gòu)建特定的特征，并且利用標簽關(guān)聯(lián)性去提高多標簽學(xué)習(xí)的性能。
　　本文通過引入RBF神經(jīng)網(wǎng)絡(luò)，將原始的數(shù)據(jù)特征顯性映射到標簽特定特征，為每個標簽構(gòu)建特定的特征集，以確保每個標簽的建模都是基于特定標