基于标签正负相关性的多标签类属特征学习

作者：黄睿; 亢浏越

来源：计算机工程与设计, 2021, 42(05): 1271-1277.

DOI：10.16208/j.issn1000-7024.2021.05.011

• 多标签学习
• 分类
• 类属特征
• 标签正负相关性
• 聚类

提出一种基于标签正负相关性的多标签类属特征学习方法 (multi-label learning with label-specific features based on positive and negative label correlation,LIFTPNL)。基于k近邻的思想构建全局和局部的标签信息矩阵,根据此矩阵计算成对标签的正负相关性;对每个类别标签,基于属于相同和不同类簇的样本构建连接矩阵,联合该标签正负相关性计算样本相似度;采用谱聚类方法获得聚类中心,将原有特征转换成类属特征;通过二分类器得到分类结果。实验结果表明,所提算法优于多种多标签分类方法。

• 单位
  上海大学; 通信与信息工程学院