基于兩類和三類支持向量機的快速多標簽分類算法.pdf

1、分類問題是指通過對已知類別的樣本集的學習，來預(yù)測未知類別樣本的問題。對于分類問題，按樣本集合中總的類別個數(shù)可分為兩類分類問題和多類分類問題；按樣本所擁有的標簽數(shù)可分為單標簽分類問題和多標簽分類問題。其中多標簽分類問題是指一個樣本同時屬于多個類別或者具有多個標簽的問題，是最為復(fù)雜的分類問題之一，它包括了兩類分類問題和多類分類問題。 對于多標簽分類問題。本文使用一種“一對一”的分解策略，將多標簽分類問題分解成多個兩類單標簽和兩類雙標

2、簽的分類子問題，再分別加以處理。對于兩類單標簽分類子問題，使用一般的兩類支持向量機分類算法進行處理，對于兩類雙標簽分類子問題，本文提出一個基于三類支持向量機的分類算法進行處理，在算法中將同時擁有兩個標簽的樣本看作為在正類和負類之間的混合類的樣本，并使用兩個平行的超平面將這三個類別的樣本分開。為了提高訓練速度，文中設(shè)計了針對三類支持向量機的快速算法，它是通過將大規(guī)模的二次規(guī)劃問題分解成一系列的小規(guī)模的問題來完成的，并且采用對著名的SVMl

3、ight算法的修改來實現(xiàn)。 在算法的實驗部分，本文歸納了一些常用的多標簽分類算法的評價準則，并在三個基準數(shù)據(jù)集酵母數(shù)據(jù)集、景象數(shù)據(jù)集和文本數(shù)據(jù)集上進行實驗，與一些存在的多標簽分類算法進行比較，以驗證算法的性能和速度。在分類性能的比較上，沒有一個多標簽分類算法能夠保證在所有的評價準則上都取得最優(yōu)，因此本文為實驗中算法的每個評價準則打分，然后比較各個算法的總得分，在與Rank-SVM、BoosTexter、AdtBoost.MH、M