基于雙標(biāo)簽支持向量機(jī)的快速多標(biāo)簽分類(lèi)算法.pdf

1、分類(lèi)問(wèn)題是指通過(guò)對(duì)已知類(lèi)別的樣本集的學(xué)習(xí),來(lái)預(yù)測(cè)未知類(lèi)別樣本的問(wèn)題。對(duì)于分類(lèi)問(wèn)題而言,根據(jù)樣本集合所擁有的標(biāo)簽數(shù),可分為兩類(lèi)問(wèn)題和多類(lèi)問(wèn)題;而按樣本所擁有的標(biāo)簽數(shù),可分為單標(biāo)簽分類(lèi)問(wèn)題和多標(biāo)簽分類(lèi)問(wèn)題。這里所說(shuō)的多標(biāo)簽分類(lèi)問(wèn)題,是指一個(gè)樣本可以同時(shí)擁有多個(gè)標(biāo)簽或者一個(gè)樣本同時(shí)屬于多個(gè)類(lèi)別。在實(shí)際生活中,多標(biāo)簽問(wèn)題越來(lái)越多的得到人們的廣泛關(guān)注和認(rèn)可,例如,蛋白質(zhì)分類(lèi)、文本分類(lèi)和景觀分類(lèi)等。目前,廣泛使用的處理多標(biāo)簽問(wèn)題的方法有基于數(shù)據(jù)分解

2、的方法和基于單個(gè)優(yōu)化問(wèn)題的方法。
　　 對(duì)于多標(biāo)簽分類(lèi)問(wèn)題,采用“一對(duì)一”的分解策略與支持向量機(jī)相結(jié)合的算法已經(jīng)逐漸成為一種行之有效的處理方法。但如何提高算法的訓(xùn)練和測(cè)試的效率卻仍然是一個(gè)富有挑戰(zhàn)性的課題。為了提高多標(biāo)簽分類(lèi)算法的效率,本文推廣經(jīng)典兩類(lèi)支持向量機(jī)提出了一種兩類(lèi)雙標(biāo)簽支持向量機(jī)。在算法中,將同時(shí)擁有正類(lèi)標(biāo)簽和負(fù)類(lèi)標(biāo)簽的樣本看作為雙標(biāo)簽樣本,將雙標(biāo)簽樣本置于正類(lèi)樣本和負(fù)類(lèi)樣本的中間區(qū)域。我們采用投票策略集成子分類(lèi)器設(shè)

3、計(jì)出快速多標(biāo)簽分類(lèi)算法。本文中基于雙標(biāo)簽支持向量機(jī)的快速多標(biāo)簽分類(lèi)算法通過(guò)用著名的SVMlight算法來(lái)實(shí)現(xiàn)。
　　 在算法的實(shí)驗(yàn)部分,本文歸納了一些常用的多標(biāo)簽分類(lèi)算法的評(píng)價(jià)準(zhǔn)則,并在四個(gè)基準(zhǔn)數(shù)據(jù)集酵母數(shù)據(jù)集、景觀數(shù)據(jù)集、情感數(shù)據(jù)集和基因數(shù)據(jù)集上來(lái)進(jìn)行實(shí)驗(yàn),并通過(guò)與現(xiàn)存的一些多標(biāo)簽分類(lèi)算法在分類(lèi)性能上的比較得出,沒(méi)有一個(gè)多標(biāo)簽分類(lèi)算法在所有的評(píng)價(jià)準(zhǔn)則上均保持最優(yōu),而我們的算法無(wú)論是在哪個(gè)基準(zhǔn)數(shù)據(jù)集上,總體上均居于前列,這說(shuō)明我