基于特征选择和标签相关性的多标签分类算法
蔡剑
牟甲鹏
余孟池
徐建
南京理工大学计算机科学与工程学院 南京 210094
摘要：多标签分类在现实世界中有着广泛的应用,是当今机器学习领域的热点问题之一.多标签分类的代表性算法BR(Binary Relevance)虽有较多的改进工作,但大都仅针对标签相关性或特征选择中某一个方面进行改进,因此现有改进算法的性能仍存在提升空间.针对上述现状,论文提出一种基于特征选择和标签相关性的多标签分类算法,该算法先使用信息增益为每个标签选择与其相关的特征属性,而后采用新的控制结构的方式考虑标签相关性,最后使用新的特征集合为每个标签训练二分类器.在6个基准数据集上的实验结果表明,该算法在5种不同评价指标下的表现优于其它典型的BR改进算法.
关键词：分类多标签学习特征选择标签相关性
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2021-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1967-1972,1997 )
英文信息