当前位置: 首页 > 文章 > 基于梯度提升的多标签分类器链方法 江苏大学学报(自然科学版) 2021 (3) 309-317
Position: Home > Articles > 基于梯度提升的多标签分类器链方法 Journal of Jiangsu University (Natural Science Edition) 2021 (3) 309-317

基于梯度提升的多标签分类器链方法

作  者:
王进;陈瑀;孙开伟
单  位:
重庆邮电大学数据工程与可视计算重点实验室
关键词:
机器学习;多标签学习;分类器链;标签关联;梯度提升;
摘  要:
为了确定多标签分类器链方法的链序以及挖掘出高阶标签关联性,提出了一种基于梯度提升的多标签分类器链方法.给出了GBCC整体框架,通过一种预剪枝策略对单一标签进行梯度提升,在此过程中利用标签置信度和误差评价分数确定最佳链序,并在各个标签间进行标签传递和特征传递,以挖掘高阶标签关联性.将所提出方法与4种分类器链方法(CC、ECC、OCC、EOCC)以及4种多标签分类方法(BR、HOMER、MLKNN、CLR)在bibtex、Corel5k等12个多标签数据集上进行对比试验.结果表明:新方法在各个评价指标(micro-F1、macro-F1、Hamming20loss、One-error)下不仅能够有效提升预测性能,而且能够保持分类器链方法的简单灵活性.

相似文章

计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊