首页|结合类属特征及因果发现的序列优化分类器链

结合类属特征及因果发现的序列优化分类器链

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
分类器链是利用标签间相关性实现挖掘特定对象多维标记信息的重要多标签分类方法.面向现有分类器链算法,针对各标签的基学习器均在完整特征空间中训练导致学习特征冗余,以及因标签学习顺序随机且分类器链训练过程单向无反馈导致的标签间相关信息利用不充分等问题,本文提出一种结合类属特征及因果发现的序列优化分类器链.该方法采用类内仿射传播聚类为每个基学习器构建高级结构化特征,减少冗余信息;利用条件熵准则挖掘标签间因果关系,优化学习序列提高对标签间相关信息的利用程度.在多个公开数据集的实验结果表明,序列优化分类器链有效增强了单节点学习效果以及对多标签间关联信息的利用,有效提升了多标签分类效果,实用价值高.
Sequence Optimization Classifier Chain Based on Label-Specific Features and Causal Discovery

罗森林、王海州、潘丽敏

展开 >

北京理工大学信息与电子学院,北京100081

多标签分类 分类器链 类属特征 因果关系 仿射传播

国家"十三五"科技支撑计划

SQ2018YFC200004

2021

10.15918/j.tbit1001-0645.2019.224

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(12)
  • 21