×
陈伟杰；邵元海；李春娜；邓乃阳

MLTSVM：一种新的双支持向量机多标签学习方法。 （英语） Zbl 1394.68277号

模式识别 52, 61-74 (2016).
摘要：多标签学习范式以处理与潜在多标签相关的数据为目标，在机器智能领域引起了广泛关注。本文提出了一种新的多标签双支持向量机（MLTSVM）用于多标签分类。MLTSVM确定多个非平行超平面来捕获嵌入数据中的多标签信息，这是双支持向量机（TWSVM）对多标签分类的有益推广。为了加快训练速度，提出了一种有效的连续超松弛（SOR）算法，用于求解MLTSVM中涉及的二次规划问题（QPP）。在合成和实际多标签数据集上的大量实验结果证实了所提出的MLTSVM的可行性和有效性。

引用于13文件

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；双支持向量机；二次规划；连续过度松弛

软件：

伦敦银行支持向量机；MLTSVM（MLTSVM）
PDF格式BibTeX公司 XML格式引用
\textit{W.-J.Chen}等人，模式识别52，61--74（2016；Zbl 1394.68277）
全文： 内政部

参考文献：

[1] Vapnik，V.，《统计学习理论》（1998），美国纽约威利出版社·Zbl 0935.62007号
[2] Burges，C.J.C.，模式识别支持向量机教程，Data Min.Knowl。光盘。，2, 2, 121-167, (1998)
[3] 邓，N。；田，Y。；Zhang，C.，《支持向量机：理论、算法和扩展》（2012），美国费城CRC出版社
[4] 尹，H。；焦，X。；Chai，Y。；Fang，B.，基于单层sae和svm的场景分类，专家系统。申请。，42, 7, 3368-3380, (2015)
[5] B.Zhang，J.Su，X.Xu，文本分类中多类支持向量机的类增量学习方法，收录于：机器学习与控制论国际会议，中国大连，2006年，第2581-2585页。
[6] Subasi，A.，使用粒子群优化支持向量机对肌电信号进行分类，用于神经肌肉疾病的诊断，计算机。生物医学，43，57576-586，（2013）
[7] 张，D。；Xu，H。；苏，Z。；Xu，Y.，基于word2vec和svmperf的中文评论情感分类，专家系统。申请。，42, 4, 1857-1863, (2015)
[8] J.Platt，《使用序列最小优化快速训练支持向量机》，载于：《内核方法的进展》，麻省理工学院出版社，马萨诸塞州剑桥，1998年，第185-200页。
[9] Chang，C。；Lin，C.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 3, 1-27, (2011)
[10] van Gestel，T。；苏肯斯，J。；Baesens，B。；维亚内，S。；Vantheinen，J。；Dedene，G。；de Moor，B。；Vandewalle，J.，基准最小二乘支持向量机分类器，马赫。学习。，54, 1, 5-32, (2004) ·Zbl 1078.68737号
[11] Tsang，I.W。；郭敬通（Kwok，J.T.）。；Cheung，P.，核心向量机在超大数据集上快速支持向量机训练，J.Mach。学习。Res.，6633-392，（2005年）·Zbl 1222.68320号
[12] 贾亚德瓦；Khemchandani，R。；Chandra，S.，模式分类的双支持向量机，IEEE Trans。模式分析。，29, 5, 905-910, (2007)
[13] Shao，Y。；张，C。；王，X。；邓，N.，双支持向量机的改进，IEEE Trans。神经网络。，22, 6, 962-968, (2011)
[14] Arun Kumar，M。；Gopal，M.，用于模式分类的最小二乘双支持向量机，专家系统。申请。，36, 4, 7535-7543, (2009)
[15] 彭，X.，Tpmsvma用于模式识别的新型双参数边缘支持向量机，模式识别。，44, 10-11, 2678-2692, (2011) ·Zbl 1218.68129号
[16] 陈，X。；杨，J。；Ye，Q。；Liang，J.，通过类内方差最小化的递归投影双支持向量机，模式识别。，44, 10-11, 2643-2655, (2011) ·Zbl 1218.68119号
[17] Shao，Y。；Chen，W。；邓，N.，二元分类问题的非并行超平面支持向量机，信息科学。，263, 22-35, (2014) ·Zbl 1328.68173号
[18] 齐，Z。；田，Y。；Shi，Y.，用于半监督分类的拉普拉斯双支持向量机，神经网络。，35, 46-53, (2012) ·Zbl 1258.68121号
[19] 齐，Z。；田，Y。；石毅，用于分类的结构双支持向量机，Knowl。基于系统。，43, 74-81, (2013)
[20] Chen，W。；Shao，Y。；徐，D。；Fu，Y.，用于半监督分类的流形近端支持向量机，应用。智力。，40623-638（2014）
[21] Chen，W。；Shao，Y。；邓，N。；Feng，Z.，用于半监督分类的拉普拉斯最小二乘双支持向量机，神经计算，145465-476，（2014）
[22] Shao，Y。；Chen，W。；张杰。；王，Z。；邓，N.，一种用于非平衡数据分类的高效加权拉格朗日双支持向量机，模式识别。，47, 9, 3158-3167, (2014) ·Zbl 1342.68271号
[23] Shao，Y。；Chen，W。；刘，L。；邓，N.，拉普拉斯单位-超平面学习，从积极和未标记的例子，信息科学。，314, 152-168, (2015) ·Zbl 1387.68199号
[24] 杨，Z。；Shao，Y。；Zhang，X.，用于多类分类的多出生支持向量机，神经计算。申请。，22, 1, 153-161, (2013)
[25] Boutel，M.R。；罗，J。；沈，X。；Brown，C.M.，学习多标签场景分类，模式识别。，1757-1771年9月37日，（2004年）
[26] 张，M。；Zhou，Z.，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，18，10，1338-1351，（2006）
[27] W.J.Elisseeff A，多标记分类的核心方法，载于：《第十四届神经信息处理系统会议论文集》（NIPS2001），加拿大不列颠哥伦比亚省温哥华，2001年，第681-687页。
[28] 张，M。；周，Z.，多标签学习算法综述，IEEE Trans。知识。数据工程，26，8，1819-1837，（2014）
[29] Tsoumakas，G。；Katakis，I.，多标签分类，国际数据仓库杂志。最小值，3，3，1-13，（2007）
[30] 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, 9, 3084-3104, (2012)
[31] B.Zhang，X.Xu，J.Su，《多类多标签文本分类的集成方法》，载于：智能系统与知识工程国际会议，中国成都，2007年，第1-4页。
[32] 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, 7, 3418-3428, (2014)
[33] Xu，J.，快速多标签核心向量机，模式识别。，46, 3, 885-898, (2013) ·Zbl 1254.68233号
[34] Zhang，M.，用于多标签学习的ML-RBFRBF神经网络，神经过程。莱特。，29, 2, 61-74, (2009)
[35] 张，M。；Zhou，Z.，ML-KNNA多标签学习的惰性学习方法，模式识别。，40, 7, 2038-2048, (2007) ·Zbl 1111.68629号
[36] Cheng，W。；Hllermier，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, 2-3, 211-225, (2009) ·Zbl 1470.68091号
[37] 弗伦克兰兹，J。；赫勒迈耶，E。；Menca，E.L。；Brinker，K.，通过校准标签排名进行多标签分类，马赫数。学习。，73，2133-153，（2008年）·Zbl 1470.68108号
[38] 夏皮雷，R。；Singer，Y.，Boostextera boosting-based system for text categorification，马赫。学习。，39, 2/3, 135-168, (2000) ·Zbl 0951.68561号
[39] Tsoumakas，G。；Katakis，I。；弗拉哈瓦斯·L·兰登k个-多标签分类标签集，IEEE Trans。知识。数据工程，23，7，1079-1089，（2011）
[40] 里德·J。；普法林格，B。；霍姆斯，G。；Frank，E.，多标签分类分类器链，马赫。学习。，85, 3, 333-359, (2011)
[41] 李，P。；李，H。；Wu，M.，基于可变两两约束投影的多标签系综，信息科学。，222, 269-281, (2013)
[42] 罗卡奇，L。；Schclar，A。；Itach，E.，多标签分类的集成方法，专家系统。申请。，41, 16, 7507-7523, (2014)
[43] 医学硕士塔希尔。；Kittler，J。；Bouridane，A.，使用多标签分类器的异构集合的多标签分类，模式识别。莱特。，33, 5, 513-523, (2012)
[44] Mangasarian，O.L。；Musicant，D.R.，支持向量机的连续超松弛，IEEE Trans。神经网络。，10, 5, 1032-1037, (1999)
[45] 齐，Z。；田，Y。；Shi，Y.，拉普拉斯支持向量机的连续超松弛，IEEE Trans。神经网络。学习。系统。，26, 4, 674-683, (2015)
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。