文档名：一种融合萤火虫方法的多标签懒惰学习算法
近年来,在多标签分类中标签相关性研究成为热点之一.针对已有的基于k近邻的多标签相关性算法未充分考虑样本分布的问题进行了研究,即算法在利用近邻标签时因仅考虑了近邻标签相关性信息,这可能会使算法的鲁棒性有所降低.基于此,引入萤火虫方法(FireflyAlgorithm),将相似度信息与标签信息相结合,提出一种融合萤火虫方法的多标签懒惰学习算法(FF-IMLLA).首先,利用Minkowski距离来度量相似度,从而找到近邻点.然后,使用萤火虫方法对标签计数向量进行改进.最后,分别使用奇异值分解与核极限学习机进行线性分类.FF-IMLLA算法在考虑了标签信息与相似度信息从而提高了算法的鲁棒性.提出的算法在公开的多个基准多标签数据集中的实验结果表明,该算法较其他对比的多标签学习算法有一定优势,使用统计假设检验与稳定性分析进一步说明所提出算法的合理性与有效性.
作者：程玉胜 钱坤 王一宾 赵大卫
作者单位：安庆师范大学计算机与信息学院安徽安庆246011;安徽省高校智能感知与计算重点实验室安徽安庆246011安庆师范大学计算机与信息学院安徽安庆246011
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：信息处理 多标签学习 萤火虫方法 极限学习机
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 904.69 KB
- 下载次数:
- 60
-
高速下载
|
|
