一种基于示例非独立同分布的多示例多标签分类算法

摘要：

多示例多标签学习是一种新型的机器学习框架.在多示例多标签学习中,样本以包的形式存在,一个包由多个示例组成,并被标记多个标签.以往的多示例多标签学习研究中,通常认为包中的示例是独立同分布的,但这个假设在实际应用中是很难保证的.为了利用包中示例的相关性特征,提出了一种基于示例非独立同分布的多示例多标签分类算法.该算法首先通过建立相关性矩阵表示出包内示例的相关关系,每个多示例包由一个相关性矩阵表示;然后建立基于不同尺度的相关性矩阵的核函数;最后考虑到不同标签的预测对应不同的核函数,引入多核学习构造并训练针对不同标签预测的多核SVM分类器.图像和文本数据集上的实验结果表明,该算法大大提高了多标签分类的准确性.

关键词：多示例学习、多示例多标签学习、示例非独立同分布、多核学习

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61170161,61300155,61303086;山东省政府留学基金委,鲁东大学博士基金LY2014033

在线出版日期：2016-05-24（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：287-292