基于奇异值分解—偏最小二乘回归的多标签分类算法-论文.pdf

《基于奇异值分解—偏最小二乘回归的多标签分类算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN10o1．90812014．07．．10计算机应用，2014，34(7)：2058—2060，2089CODENJYIIDUhttp：／／www．joca．cn文章编号：1001-9081(2014)07—2058—03doi：10．11772／j．issn．1001—9081．2014．07．2058基于奇异值分解一偏最小二乘回归的多标签分类算法马宗杰，刘华文(1．浙江师范大学数理与信息工程学院，浙江金华321004；2．中国科学院数

2、学与系统科学研究院，北京100055)(通信作者电子邮箱hwliu@zjnu．edu．ca)摘要：针对多标签数据的标签相关性和高维问题，提出一种基于奇异值分解一偏最小二乘回归的多标签分类算法，该算法可以对多标签数据进行维数约简和回归分析。首先，将类别标签集合作为整体处理，对标签相关性进行考察；其次，利用奇异值分解(SVD)技术得到样本和标签空间的得分向量，实施降维；最后，在偏最小二乘回归(PLSR)的基础上构建多标签分类模型。实验结果表明，在四种维数较高的真实数据集上，该算法可以获得有效的分类结果。关

3、键词：多标签分类；奇异值分解；偏最小二乘回归；维数约简；标签相关性中图分类号：TPI81文献标志码：AMulti-·labelclassificationbasedonsingularvaluedecomposition-partialleastsquaresregressionMAZongjie．LIUHuawen，(1．CollegeofMathematics，PhysicsandInformationEngineering，ZhejiangNormalUniversity,JinhuaZheji

4、ang321004，China；2．AcademyofMathematicsandSystemsScience，ChineseAcademyofSciences，Beijing100055，China)Abstract：Totacklemulti-labeldatawithhighdimensionalityandlabelcorrelations，amulti—labelclassificationapproachbasedonSingularValueDecomposition(SVD)·Part

5、ialLeastSquaresRegression(PLSR)wasproposed，whichaimedatperformingdimensionalityreductionandregressionanalysis．Firstly，thelabelspacewastakenintoawholeSOastoexploitthelabelcorrelations．Afterthat，thescorevectorsofboththeinstancespaceandlabelspacewereobtain

6、edbySVD，whichwasusedfordimensionalityreduction．Finally，themodelofmulti—labelclassificationwasestablishedbasedonPLSR．Theexperimentsperformedonfourrealdatasetswithhigherdimensionalityverifytheefectivenessoftheproposedmethod．Keywords：multi·labelclassificat

7、ion；SingularValueDecomposition(SVD)；Pa~ialLeastSquaresRegression(PLSR)；dimensionalityreduction；labelcorrelation性判别分析(LinearDiscriminantAnalysis，LDA)技术进行扩0引言展用于多标签数据降维。这两种方法可以有效地对样本空间传统分类学习中，每个样本只能被一个类别标签标注。实施维数约简，但是当标签数目较多时，算法时间复杂度较而在真实世界中，一个样本可以对应多个类别标

8、签。例如，一高。Tai等运用奇异值分解(SingularValueDecomposition，幅风景画可以贴上“青山”、“绿水”和“蓝天”等多个标签；一SVD)技术将原始标签空间转换为低维的线性子空间，然而该则关于奥运的新闻报道可以同时标注为“运动会”“奥运精算法不能对样本空间进行降维，同时忽略了标签相关性。神”和“荣誉”等。这类问题属于多标签分类学习领域。假设为考察标签相关性，Tsoumakas等对经典的LabelA=(a。，a，⋯，a)表示n个样本的