基于k-邻域相关性的多标签分类

摘要：

多标签分类是指数据可以同属于多个类的分类问题，其数据特征和标签间相关性对分类结果存在影响。因此，提出一种融合前述两种因素的多标签分类算法。将数据用核函数进行特征映射，根据训练数据的k-邻域计算得到每个标签的最大后验概率；并将其加入到对应的数据特征中。用加入最大后验概率的数据特征训练分类器。通过在经典的yeast、scene和emotion数据库上实验，证明了算法的有效性。

关键词：多标签、分类、标签间相关性、k-邻域

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51365071,61305019;江西省科技厅青年科学基金资助项目20132bab211032

在线出版日期：2017-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：222-226