江苏大学学报(自然科学版)

作者：王进，余薇，孙开伟，邓欣

单位： (重庆邮电大学 数据工程与可视计算重点实验室， 重庆 400065)

关键词： 多标签学习,  标签特定特征,  特征构建,  聚类特征树,  聚类提升树

基金： 国家自然科学基金青年科学基金资助项目(61806033); 重庆市自然科学基金资助面上项目(cstc2019jcyjmsxmX0021)

为了探索多标签数据集中每个标签所具有的特定特征，针对标签特定特征进行有效的利用，提出基于聚类提升树的多标签学习方法(multilabel leaning based on boosting clustering trees, MLLBCT).建立MLLBCT整体框架，通过引入聚类特征树来挖掘数据样本之间的相关性，以树形结构保存数据的内在关联；通过引入随机子集训练每个标签的若干分类树来学习标签特定特征，增强特征对单个标签表达，提升分类性能.将所提出的方法在flag、emotions等11个数据集上与经典的特定特征领域多标签学习方法(LIFT、LLSF、REEL、LLSFDL)进行对比试验.结果表明：新方法在各评估指标(Hamming Loss、Oneerror、Ranking Loss、Average Precision、Microaveraged FMeasure)上均具有明显的性能提升，且方法具备简单灵活性.

来源：2021年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第4期