基于分类间隔增强的不平衡多标签学习算法

• Published in: 数据采集与处理 Vol. 36; no. 3; pp. 519 - 528
• Main Authors: 程玉胜, 曹天成
• Format: Journal Article
• Language: Chinese
• Published: 安庆师范大学创新团队,安庆246133%安庆师范大学创新团队,安庆246133 01.05.2021; 安徽省高校智能感知与计算重点实验室(安庆师范大学),安庆246133
• Subjects: 极限学习机; 分类间隔; 标签密度; 多标签学习; 标签不平衡

TP391; 传统的多标签学习算法一般没有考虑标签的不均衡性,从而忽略了标签不平衡给分类带来的影响.但统计发现,目前常用的多标签数据集均存在标签不均衡问题,且少数类标签往往更加重要.基于此,本文提出了一种基于分类间隔增强的不平衡多标签学习算法(Imbalanced multi-label learning algorithm based on classification interval enhanced,MLCIE),旨在利用各标签分类间隔的重构来增强分类器对少数类标签样本的学习效率,提升样本标签质量,从而减少多标签不平衡对分类器学习精度的影响.首先利用各标签密度与条件熵计算各标签的不确定...