基于全局和局部关系的类属特征多标记分类算法

摘要

针对忽视局部关系中的二阶标记关系问题，本文提出了一种基于全局和局部关系的类属特征多标记分类(global and local relationships based on multi-label classification algorithm with label-specific features,LFGML)算法。通过全局关系的角度来获取类属特征，使用加权平均法计算每个实例的邻域信息，利用杰卡德相似度提取局部关系中的二阶标记关系。LFGML算法在10个多标记数据集Genbase、Medical、Arts、Health、Flags、Cal500、Yeast、Image、Education和Emotions进行了实验。结果表明，所提出的算法相对于其他对比算法在多标记分类中具有明显的的性能优势。

关键词

多标记学习 / 全局关系 / 局部关系 / 类属特征 / 优化