基于RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)簽關(guān)聯(lián)的多標(biāo)簽學(xué)習(xí).pdf

1、多標(biāo)簽分類問題屬于傳統(tǒng)的分類問題之一，在現(xiàn)實生活中廣泛存在?，F(xiàn)今，多標(biāo)簽算法在解決實際問題中得到廣泛應(yīng)用。然而，多標(biāo)簽實例所屬的標(biāo)簽都是標(biāo)簽空間的一個子集，即每個多標(biāo)簽樣本可能屬于多個標(biāo)簽，而非像二分類問題，樣本只屬于一個標(biāo)簽，這使得多標(biāo)簽問題與傳統(tǒng)的分類問題相比更加復(fù)雜。過去十年里，研究者提出了許多關(guān)于多標(biāo)簽分類的算法，其中絕大部分算法都采用在完全相同的數(shù)據(jù)特征上對每個標(biāo)簽進(jìn)行學(xué)習(xí)的策略。然而，由于每個標(biāo)簽擁有特定的屬性，因而應(yīng)該擁有

2、符合自身標(biāo)簽性質(zhì)的特定特征集，上述被廣泛采用的在統(tǒng)一特征集上直接進(jìn)行多標(biāo)簽學(xué)習(xí)的策略并不是最優(yōu)的。而且，在多標(biāo)簽分類問題中，每個標(biāo)簽相對于其它標(biāo)簽不是完全獨立的，標(biāo)簽關(guān)聯(lián)性信息對于提高分類的性能具有重大意義。因此，本文的目標(biāo)是通過為每個標(biāo)簽構(gòu)建特定的特征，并且利用標(biāo)簽關(guān)聯(lián)性去提高多標(biāo)簽學(xué)習(xí)的性能。
　　本文通過引入RBF神經(jīng)網(wǎng)絡(luò)，將原始的數(shù)據(jù)特征顯性映射到標(biāo)簽特定特征，為每個標(biāo)簽構(gòu)建特定的特征集，以確保每個標(biāo)簽的建模都是基于特定標(biāo)