基于粒计算的多标签懒惰学习算法

摘要：

多标签学习用于处理一个样本同时拥有多个标签的问题.已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相似度高的点排除在近邻集之外,或者将相似度低的点包括在近邻集内,影响分类方法的性能.针对IMLLA的缺陷,将粒计算的思想加入近邻集的构建,提出一种基于粒计算的多标签懒惰学习算法(GMLLA).该方法通过粒度控制,确定样本近邻点集,使得近邻集内的样本具有高相似度.实验结果表明,本算法的性能优于IMLLA.

关键词：K近邻、多标签学习、懒惰学习、IMLLA、粒计算

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61272152,61202228;安徽省自然科学基金项目1208085MF109;2013留学人员科技活动择优资助项目资助

在线出版日期：2015-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：160-163