基于標(biāo)記間相關(guān)性的多標(biāo)記分類算法.pdf

1、隨著信息技術(shù)的發(fā)展，多標(biāo)記分類方法的應(yīng)用也越來越廣泛，現(xiàn)有的多標(biāo)記算法一般沒有充分學(xué)習(xí)標(biāo)記之間的相關(guān)信息，而標(biāo)記之間的信息對提高算法的分類性能很有幫助，所以有必要對多標(biāo)記學(xué)習(xí)中標(biāo)記相關(guān)性進(jìn)行深入研究。
　　MLkNN算法在多標(biāo)記分類算法中擁有良好的性能，但其由于沒有考查標(biāo)記之間的相關(guān)性，因而算法性能還有進(jìn)一步提升空間。本文將對MLkNN算法的后驗概率公式進(jìn)行改進(jìn)，使其融合多標(biāo)記之間相關(guān)信息，形成算法MRkNN。預(yù)先對數(shù)據(jù)集聚類，在

2、聚類形成后的簇上再使用MRkNN算法進(jìn)行預(yù)測，實驗結(jié)果證明聚類后考查標(biāo)記相關(guān)性的方法較大地提升了算法的準(zhǔn)確率。
　　KNN分類算法并不要求得出顯式的規(guī)則，KNN算法一般較其他的分類算法有較高的分類準(zhǔn)確率。鑒于KNN算法在分類上的優(yōu)勢，非條件類標(biāo)之間相關(guān)性促進(jìn)效果較小，以及條件類標(biāo)相關(guān)性考查較復(fù)雜。本文提出一種基于K近鄰分布條件下考察標(biāo)記相關(guān)性的算法。在不同的k近鄰的分布情況下，類標(biāo)之間表現(xiàn)出不同的相關(guān)程度。實驗證明在k近鄰分布條件