李村合, 王文杰(中国石油大学 计算机与通信工程学院, 青岛 266580)

基于标记依赖关系集成分类器链的多示例多标签支持向量机算法①

李村合, 王文杰
(中国石油大学 计算机与通信工程学院, 青岛 266580)

ECC-MIMLSVM+是多示例多标签学习框架下一种算法, 该算法提出了一种基于分类器链的方法, 但其没有充分考虑到标签之间的依赖关系, 而且当标签数目的增多, 子分类器链长度增加, 使得误差传播问题凸显.因此针对此问题, 提出了一种改进算法, 将ECC-MIMLSVM+算法和标签依赖关系相结合, 设计成基于标记依赖关系集成分类器链(ELDCT-MIMLSVM+)来加强标签间信息联系, 避免信息丢失, 提高分类的准确率. 通过实验将本文算法与其他算法进行了对比, 实验结果显示, 本文算法取得了良好的效果.

多示例多标签; 支持向量机; 标签依赖关系; 分类器链

1 引言

在传统监督学习[1]中, 每个对象用一个示例进行描述, 该示例隶属于一个概念标签, 在该框架下对象不具有歧义性. 在多示例学习[2]中, 每个对象由多个示例进行描述, 并且同时隶属于一个概念标签, 其描述对象的内容存在歧义性. 在多标签[3,4]学习中, 每个对象由单个示例描述, 并且隶属于多个概念标签, 其描述对象的概念存在歧义性. 然而在现实生活中的对象通常同时具有内容、概念两方面的歧义性, 因此出现了多示例多标签学习框架(MIML)[5,6].

2007年, 南京大学的周志华等人提出两个多示例多标签支持向量机算法, 分别是MIMLBOOST 算法[6]和MIMLSVM算法[7].

2010年……