×
徐建华

带零标签的多标签核向量机。 （英语） Zbl 1339.68232号

模式识别 47，第7期，2542-2557（2014）.
摘要：多标签核向量机（Rank-CVM）是一种高效的多标签分类算法。但仍有两个方面需要改进：进一步降低训练和测试的计算成本，以及有效地检测相关标签。本文通过添加一个零标签来扩展Rank-CVM，以构造其具有零标签的变体，即Rank-CVMz，它被表示为与Rank CVM相同的具有单位单纯形约束和非负约束的二次规划形式，然后用Frank-Wolfe方法有效地求解。值得注意的是，我们的Rank-CVMz要解决的变量比Rank-CVM少，这大大加快了培训过程。此外，零标签可以有效地检测到相关标签。在12个基准数据集上的实验结果表明，与现有的六种基于六个指示性实例度量的多标签算法相比，该方法取得了具有竞争力的性能。此外，平均而言，我们的Rank CVMz的运行速度是其原始Rank CVM的83倍，并且支持向量略少。

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）

关键词：

多标签分类；支持向量机；核向量机；弗兰克·沃尔夫法；二次规划；线性规划

软件：

伦敦银行支持向量机；MULAN公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Xu}，模式识别47，第7期，2542-2557（2014；Zbl 1339.68232）
全文： 内政部

参考文献：

[1] 杜达，R.O。；哈特，体育。；斯托克·D·G，《模式分类》（2001），《约翰·威利父子：约翰·威利和儿子纽约》·Zbl 0968.68140号
[3] 夏皮雷，R.E。；Singer，Y.，Boostextera boosting-based system for text categorification，马赫。学习。，39, 135-168 (2000) ·Zbl 0951.68561号
[4] 布鲁克，F。；贝尼特斯，F。；Sapozhnikova，E.P.，多标签分类和提取预测类层次，模式识别。，44724-738（2011年）·Zbl 1209.68442号
[5] Boutel，M.R。；罗，J。；沈，X。；Brown，C.M.，学习多标签场景分类，模式识别。，37, 1757-1771 (2004)
[6] 张，M.-L。；Zhou，Z.-H.，ML-kNNa多标签学习的惰性学习方法，模式识别。，40, 2038-2048 (2007) ·Zbl 1111.68629号
[7] Wang，J。；Zhao，Y。；吴，X。；Hua，X.-S.，用于视频概念检测的传导性多标签学习方法，模式识别。，44, 2274-2286 (2011) ·Zbl 1218.68135号
[8] 张，M.-L。；Zhou，Z.-H.，多标签神经网络及其在功能基因组学和文本分类中的应用，IEEE Trans。知识。数据工程，18，1338-1351（2006）
[10] Xu，J.，快速多标签核心向量机，模式识别。，46, 885-898 (2013) ·Zbl 1254.68233号
[11] Trohidis，K。；Tsoumakas，G。；Kalliris，G。；Vlahavas，I.，《音乐情感的多标签分类》，EURASIP J.音频语音音乐过程。，4（2011年）
[12] Tsoumakas，G。；Katakis，I.，《多标签分类概述》，国际数据仓库杂志。Min.，3，1-13（2007）
[13] 德卡瓦略，A.C。；Freitas，A.A.，《多标签分类技术教程》（Abraham，A.；Hassanien，A.-E.；Snasel，V.，《函数逼近与分类》，第5卷（2009），Springer:Springer-Blinl/Heidelberg），177-195
[14] Tsoumakas，G。；Katakis，I。；Vlahavas，I.，《挖掘多标签数据》（Maimon，O.；Rokach，L.，《数据挖掘和知识发现手册》（2010），施普林格：施普林格纽约），667-685
[16] Cheng，W。；Hullermeier，E.，将基于实例的学习和逻辑回归相结合用于多标签分类，马赫。学习。，76, 211-225 (2009) ·Zbl 1470.68091号
[17] Xu，J.，用于多标签分类的扩展单对多支持向量机，神经计算，743114-3124（2011）
[18] Madjarov，G。；科切夫，D。；Gjorgjevikj，D。；Dzeroski，S.，《多标签学习方法的广泛实验比较》，模式识别。，45, 3084-3104 (2012)
[20] Tsoumakas，G。；弗拉哈瓦斯，I。；Katakis，I.，多标签分类的随机k标签集，IEEE Trans。知识。数据工程，231079-1089（2011）
[21] 里德·J。；普法林格，B。；霍姆斯，G。；Frank，E.，多标签分类的分类器链，马赫。学习。，85, 333-359 (2011)
[22] Dembczynski，K。；Waegeman，W。；Hullermeier，W.C.E.，多标签分类中的标签依赖性和损失最小化，马赫。学习。，88，5-45（2012年）·Zbl 1243.68237号
[23] M.弗兰克。；Wolfe，P.，《二次规划的算法》，《海军研究逻辑》。第395-110页（1956年）
[24] Guelat，J。；Marcotte，P.，关于wolfes离开步骤的一些评论，数学。程序。，35, 110-119 (1986) ·Zbl 0592.90074号
[25] Xu，J.，一种有效的零标签多标签支持向量机，专家系统。申请。，39, 2894-4796 (2012)
[27] Furnkranz，J。；Hullermeier，E。；Mencia，E.L.公司。；Brinker，K.，通过校准标签排名进行多标签分类，马赫数。学习。，73, 133-153 (2008) ·Zbl 1470.68108号
[28] 奎维多，J.R。；路易斯，O。；Bahamonde，A.，采用概率阈值策略的多标签分类，模式识别。，45, 876-883 (2012) ·Zbl 1225.68207号
[29] 皮莱，I。；Fumera，G。；Roli，F.，多标签分类器的阈值优化，模式识别。，46, 2055-2065 (2013) ·Zbl 1296.68140号
[30] Vapnik，V.N.，《统计学习理论》（1998），《约翰·威利父子：约翰·威利和儿子纽约》·Zbl 0935.62007号
[31] Tsang，I.W。；郭敬通（Kwok，J.T.）。；Cheung，P.-M.，核心向量机在超大数据集上快速进行SVM训练，J.Mach。学习。第6号决议，363-392（2005年）·Zbl 1222.68320号
[32] Chang，C.-C。；林春杰，训练支持向量分类器理论与算法，神经计算。，13, 2119-2147 (2001) ·Zbl 0993.68080号
[33] Chang，C.-C。；Lin，C.-J.，支持向量机的LIBSVMa库，ACM Trans。智力。系统。技术。，2, 27 (2011)
[34] Demsar，J.，多数据集分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[36] Xu，J.，零标签多标签支持向量机的随机块坐标下降法，专家系统。申请。，41, 3418-3428 (2014)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。