一种利用关联规则挖掘的多标记分类算法

被引：82

作者：

刘军煜

贾修一

机构：

[1] 南京理工大学计算机科学与工程学院

来源：

软件学报 | 2017年 / 28卷 / 11期

关键词：

多标记学习; 关联规则; 矩阵分治; 频繁项集;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

多标记学习广泛存在于现实生活中,是当今机器学习领域的研究热点.在多标记学习框架中,每个对象由一个示例构成,但可能同时属于多个类别标记,并且各个标记之间相互关联,所以挖掘多标记之间的关联性对于多标记学习框架具有重要的意义.首先对经典的关联规则算法进行改进,提出了基于矩阵分治的频繁项集挖掘算法,并证明了该算法挖掘频繁项集的正确性;进而将该算法应用于多标记学习框架中,分别提出了基于全局关联规则挖掘和局部关联规则挖掘的多标记分类算法;最后对所提出的算法与现有多标记算法进行实验对比,结果表明,算法在5种不同的评价准则下能够取得更好的效果.

引用

页码：2865 / 2878

页数：14

共 8 条

[1]

A Multi-Label Classification Approach Based on Correlations Among Labels [J].

Alazaidah, Raed ;

Thabtah, Fadi ;

Al-Radaideh, Qasem .

INTERNATIONAL JOURNAL OF ADVANCED COMPUTER SCIENCE AND APPLICATIONS, 2015, 6 (02) :52-59

[2]

A Tutorial on Multilabel Learning [J].

Gibaja, Eva ;

Ventura, Sebastian .

ACM COMPUTING SURVEYS, 2015, 47 (03)

[3]

Statistical topic models for multi-label document classification [J].

Rubin, Timothy N. ;

Chambers, America ;

Smyth, Padhraic ;

Steyvers, Mark .

MACHINE LEARNING, 2012, 88 (1-2) :157-208

[4]

A transductive multi-label learning approach for video concept detection.[J].Jingdong Wang;Yinghai Zhao;Xiuqing Wu;Xian-Sheng Hua.Pattern Recognition.2010, 10

[5]

Multilabel classification via calibrated label ranking [J].