基于粒神经网络的多标签学习

摘要

引入粒计算理论，提出基于粒神经网络的多标签学习方法，采用相似度粒化的技术获得数据在结构上的相关性。样本在单特征上粒化成粒子，多特征上的粒子形成粒向量，并且定义粒子与粒向量的运算规则。在此基础上，引入粒损失函数，构建粒神经网络进行多标签学习，采用多个Mulan多标签数据集进行实验，在多种评价指标上与现有的多标签分类算法比较，结果表明了粒神经网络多标签学习算法的有效性与可行性。

关键词

粒计算 / 深度学习 / 粒神经网络 / 多标签学习 / 粒向量

基金资助

国家自然科学基金资助项目(61976183)