基于標準特征屬性和互鄰居的多標簽分類算法研究.pdf

1、隨著Internet、信息檢索等新技術(shù)的不斷出現(xiàn)及快速發(fā)展，各種應用所積累的數(shù)據(jù)量急劇增長。這些數(shù)據(jù)背后通常隱藏了反映事物變化規(guī)律的信息或知識。為了能夠有效利用這些數(shù)據(jù)，需要從中挖掘有用的信息和知識，并應用于商務管理、生產(chǎn)控制、市場分析、工程設(shè)計和科學探索等領(lǐng)域。這種需求的劇增，推動數(shù)據(jù)挖掘研究的蓬勃發(fā)展。
　　 分類作為一種數(shù)據(jù)分析方法，是數(shù)據(jù)挖掘中研究最活躍的課題之一。它可以用于提取描述重要數(shù)據(jù)類或預測未來的數(shù)據(jù)趨勢的模型。

2、根據(jù)樣本擁有標簽的數(shù)量，分類問題主要分為單標簽分類問題和多標簽分類問題。在實際應用中遇到的分類大多是較為復雜的多標簽分類問題，鑒于多標簽分類問題本身的理論意義和廣泛的應用價值，使其得到了越來越多研究者廣泛的關(guān)注和重視。
　　 隨著相關(guān)研究的不斷深入，多標簽分類的重要程度及其應用價值已逐步顯現(xiàn)出來。目前，人們通過與各種學習技術(shù)相結(jié)合，提出不同類型的多標簽分類算法，解決各種不同實際問題。盡管如此，類別標簽與屬性之間的相互依賴關(guān)系及其

3、對多標簽分類性能的貢獻、影響多標簽分類算法效率的因素等的認識仍然不夠深入，例如大多數(shù)多標簽分類算法在處理多標簽數(shù)據(jù)時，沒有充分考慮不同的屬性集對于各個類標簽的貢獻度是不同的;雖然k近鄰在多標簽分類中頗受歡迎，但其本身仍有幾個問題有待進一步解決，如容易受噪聲數(shù)據(jù)的干擾，且最優(yōu)k值難以確定等。這些問題的有效解決，不僅對數(shù)據(jù)分類技術(shù)的理論研究，而且還對多標簽分類的實際應用都具有重要的研究意義和實際參考價值。
　　 本文研究多標簽分類，

4、主要研究內(nèi)容及貢獻包括:
　　 針對類別標簽與屬性之間的相互依賴關(guān)系及其對多標簽分類性能的貢獻，提出了一種基于標簽特征屬性的多標簽分類算法。在該算法中，首先在每個類標簽的正、負樣本集中計算每個屬性的屬性密度，然后分別從中選取mk個密度值最大的屬性，取其交集的屬性集作為相應類標簽的標簽特征屬性，最后在標簽特征屬性的基礎(chǔ)上進行多標簽分類。
　　 基于k近鄰的思想，提出了一種基于k互鄰居的多標簽分類算法。該算法采用互鄰居概念，

5、探討鄰居的重要性程度，區(qū)分真假鄰居，在此基礎(chǔ)上獲取待分類數(shù)據(jù)樣本的真實、可靠鄰居信息，剔除虛假鄰居信息，最后基于這些可靠鄰居信息進行預測未標簽樣本的標簽集。同時，通過計算每個樣本的互鄰居來鑒別并剔除原始數(shù)據(jù)集中的噪聲數(shù)據(jù)，從而有效提高了數(shù)據(jù)的質(zhì)量，更利于從中訓練出強健的分類器。
　　 在算法的仿真實驗部分，在多個測試數(shù)據(jù)集上進行仿真實驗，并與經(jīng)典的多標簽分類算法進行比較，以驗證所提出算法的有效性?；趯傩缘亩鄻撕灧诸愃惴ǖ膶嶒灲Y(jié)