一种非负稀疏近邻表示的多标签学习算法

摘要：

针对训练数据中的非线性流形结构以及基于稀疏表示的多标签分类中判别信息丢失严重的问题，该文提出一种非负稀疏近邻表示的多标签学习算法。首先找到待测试样本每个标签类上的k-近邻，然后基于LASSO稀疏最小化方法，对待测试样本进行非负稀疏线性重构，得到稀疏的非负重构系数。再根据重构误差计算待测试样本对每个类别的隶属度，最后实现多标签数据分类。实验结果表明所提出的方法比经典的多标签k近邻分类(ML-KNN)和稀疏表示的多标记学习算法(ML-SRC)方法性能更优。

关键词：多标签学习、稀疏近邻表示、LASSO稀疏最小化、非负重构

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家863项目2014AA015104；国家自然科学基金61202228，61472002；安徽省高校自然科学研究重点项目KJ2012A004

在线出版日期：2015-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：899-904