×
张元建;苗多倩;张志飞;徐建峰;罗，盛

一种用于多标签分类的三向选择性集成模型。 （英语） Zbl 1448.68431号

国际J近似推理 103, 394-413 (2018).
摘要：标签歧义和数据复杂性被广泛认为是多标签分类的主要挑战。现有的研究试图找到标签语义的近似表示，但大多数都是预定义的，忽略了实例-标签对的个性。为了克服这一缺点，本文提出了一种三向选择集成（TSEN）模型。在这个模型中，三方决策负责最小化不确定性，而集成学习负责优化标签关联。首先通过改进的概率粗糙集来降低标签模糊度和数据复杂度。对于具有共享属性的约简，我们通过集合策略进一步提高了预测性能。基本分类器中的组件是特定于标签的，并且基于实例级别的投票结果用于三部分。正面和负面决定是直接决定的，而延迟区域是由特定标签的缩减决定的。对一组基准的实证研究表明，TSEN相对于最先进的多标签分类算法取得了竞争性的性能。

引用于13文件

MSC公司：

68层37 人工智能背景下的不确定性推理
68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别

关键词：

多标签分类;三方决策;选择性系综;不确定性;概率粗糙集

软件：

MEKA公司;PASCAL挥发性有机化合物;MLTSVM（MLTSVM）;ML-KNN公司;图书馆3C;MULAN公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}等人，国际期刊近似推理103，394--413（2018；Zbl 1448.68431）
全文： 内政部

参考文献：

[1] Gibaja，E。；Ventura，S.，多标签学习教程，ACM Compute。调查。，47, 3, 1-38 (2015)
[2] 张，M.L。；周振华，多标签学习算法综述，IEEE Trans。知识。数据工程，26，8，1819-1837（2014）
[3] 张，M.L。；Zhou，Z.H.，ML-KNN：多标签学习的懒惰学习方法，模式识别。，40, 7, 2038-2048 (2007) ·Zbl 1111.68629号
[4] 吴庆云。；Tan，M.K。；宋海杰。；陈，J。；Ng，M.K.，ML-FOREST:多标签分类的多标签树集成方法，IEEE Trans。知识。数据工程，28，10，2665-2680（2016）
[5] 陈伟杰。；Shao，Y.H。；Li，C.N。；Deng，N.Y.，MLTSVM：一种用于多标签学习的新型双支持向量机，模式识别。，52, 61-74 (2016) ·Zbl 1394.68277号
[6] Tai，F。；林洪涛，带主标签空间变换的多标签分类，神经计算。，24, 9, 2508-2542 (2012) ·Zbl 1269.68084号
[7] Zhang，Y。；周振华，通过依赖最大化减少多标签维数，ACM Trans。知识。发现。数据，4，3，1-21（2010）
[8] 张，M.L。；Wu，L.，LIFT:具有标签特定功能的多标签学习，IEEE Trans。模式分析。马赫。智力。，37, 1, 107-120 (2015)
[9] 林振杰。；丁·G·G。；胡敏秋。；Wang，J.M.，通过特征软件隐式标签空间编码进行多标签分类，（国际机器学习会议国际会议（2014）），325-333
[10] 徐，S.P。；杨晓波（Yang，X.B.）。；Yu，H.L。；Yu，D.J。；Yang，J.Y。；Tsang，E.C.C.，带标签特定特征约简的多标签学习，Knowl-基于系统。，104, 52-61 (2016)
[11] 黄，J。；李·G·R。；黄，Q.M。；Wu，X.D.，学习标签特定特性和多标签分类的类相关标签，IEEE Trans。知识。数据工程，28，12，3309-3323（2016）
[12] Gentile，C。；Orabona，F.，《关于带有强盗反馈的多标签分类和排名》，J.Mach。学习。第15号决议，2451-2487（2014）·Zbl 1319.62128号
[13] 黄，J。；李·G·R。；Wang，S.H。；薛，Z。；Huang，Q.M.，利用局部正负成对标签相关性进行多标签分类，神经计算，257164-174（2017）
[14] 黄，S.J。；Zhou，Z.H.，利用局部标签相关性进行多标签学习，（第二十六届AAAI人工智能会议（2012）），949-955
[15] Lo，H.Y。；林，S.D。；Wang，H.M.，多标签和成本敏感分类的广义k标签集集成，IEEE Trans。知识。数据工程，261679-1691（2014）
[16] Tsoumakas，G。；Katakis，I。；Vlahavas，I.，多标签分类的随机k标签集，IEEE Trans。知识。数据工程，23，7，1079-1089（2011）
[17] Kanj，S。；阿卜杜拉，F。；Denoeux，T.，《使用随机k-标签集方法的证据性多标签分类》（2012），施普林格：施普林格柏林，海德堡
[18] Wu，Y.P。；Lin，H.T.，成本敏感型多标签分类的渐进随机k标签集，马赫。学习。，106, 5, 671-694 (2017) ·Zbl 1454.62203号
[19] Weng，W。；Lin，Y.J。；Wu，S.X。；李永伟。；Kang，Y.，基于标签特定特征和局部成对标签相关性的多标签学习，神经计算，273385-394（2017）
[20] 梅尼卡，E.L。；Janssen，F.，多标签分类的学习规则：堆叠和分离征服方法，Mach。学习。，105, 1, 1-50 (2016)
[21] 周，Z.H。；吴杰。；Tang，W.，集成神经网络：许多可能比所有更好，Artif。智力。，137, 1-2, 239-263 (2002) ·Zbl 0995.68077号
[22] 林，C。；陈伟强。；邱，C。；吴，Y.F。；Krishnan，S。；Zou，Q.，LibD3C:具有聚类和动态选择策略的集成分类器，神经计算，123，424-435（2014）
[23] 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)
[24] Lee，J。；Kim，D.W.，使用多元互信息进行多标签分类的特征选择，模式识别。莱特。，34, 3, 349-357 (2013)
[25] Lin，Y.J。；胡庆华。；Liu，J.H。；Chen，J.K。；Duan，J.，基于邻域互信息的多标签特征选择，应用。软计算。，38, 244-256 (2016)
[26] 李，H。；Li，D.Y。；翟永华。；王，S.G。；Zhang，J.，基于粗糙集理论的多标签数据属性约简新方法，信息科学。，367-368, 827-847 (2016) ·兹比尔1428.68243
[27] Peng，H.C。；Long，F.H。；Ding，C.，基于最大相关性、最大相关性和最小冗余的互信息准则的特征选择，IEEE Trans。模式分析。马赫。智力。，27, 8, 1226-1238 (2005)
[28] Lin，Y.J。；Liu，J.H。；Liu，J.H。；Duan，J.，基于最大依赖和最小冗余的多标签特征选择，神经计算，168，C，92-103（2015）
[29] Lee，J。；Kim，D.W.，用于多标签分类的模因特征选择算法，信息科学。，293, 293, 80-96 (2015)
[30] Lee，J。；Kim，D.W.，SCLS：基于大标签集可扩展标准的多标签特征选择，模式识别。，342-352（2017）
[31] 李，F。；Miao，D.Q。；Pedrycz，W.，基于互信息的颗粒多标签特征选择，模式识别。，67, 410-423 (2017)
[32] Denoeux，T。；尤尼斯，Z。；Abdallah，F.，使用置信函数表示集值变量的不确定性，Artif。智力。，174, 7-8, 479-499 (2010) ·兹比尔1209.68542
[33] 埃弗林厄姆，M。；古尔，L。；威廉姆斯，C.K。；Winn，J。；Zisserman，A.，《Pascal可视对象类（VOC）挑战》，国际计算杂志。视觉。，88, 2, 303-338 (2010)
[34] 耿，X。；Ji，R.Z.，标签分布学习，IEEE Trans。知识。数据工程，28，7，1734-1748（2014）
[35] 高，B.B。；Xing，C。；谢长伟。；吴杰。；Geng，X.，带标签模糊性的深度标签分布学习，IEEE Trans。图像处理。，26, 6, 2825-2838 (2017) ·Zbl 1409.94163号
[36] Pawlak，Z.，《粗糙集》，《国际计算杂志》。信息科学。，341-356 (1982) ·兹比尔0501.68053
[37] Pawlak，Z.，《粗糙集：数据推理的理论方面》（1992），Kluwer学术出版社
[38] 李，H。；Li，D.Y。；翟永华。；Wang，S.G。；Zhang，J.，多标签决策表中的可变精度属性约简方法，科学。《世界杂志》，2014，1-7（2014）
[39] Yu，Y。；佩德里茨，W。；Miao，D.Q.，基于邻域粗糙集的自动图像标注多标签分类，国际期刊近似推理。，54, 9, 1373-1387 (2013) ·Zbl 1316.68122号
[40] Vluyman，S。；科内利斯，C。；Herrera，F。；Saeys，Y.，使用模糊粗糙邻域共识的多标签分类，Inf.Sci。，433, 96-114 (2018) ·Zbl 1436.68313号
[41] Yao，Y.Y.，三向决策：粗糙集理论中规则的解释，（国际粗糙集与知识技术会议（2009）），642-649
[42] Yao，Y.Y.，概率粗糙集模型中三方决策的优越性，信息科学。，181, 6, 1080-1096 (2011) ·Zbl 1211.68442号
[43] 胡碧琴。；Wong，H。；Yiu，K.F.C.，《关于三向决策空间中两种新型三向决策》，《国际期刊近似推理》。，82, 285-306 (2017) ·Zbl 1404.68164号
[44] 钱，J。；Dang，C.Y。；岳，X.D。；Zhang，N.，动态粒度下连续三方决策的属性约简，国际期刊近似推理。，85, 196-216 (2017) ·Zbl 1419.68175号
[45] Li，X.N。；Yi，H.Q。；她，Y.H。；Sun，B.Z.，基于子集评估的广义三元决策模型，国际期刊近似推理。，83，C，142-159（2017）·Zbl 1404.68168号
[46] Sun，B.Z。；马，W.M。；李伯杰。；李晓宁，基于语言信息决策理论粗糙模糊集的多属性群决策的三向决策方法，国际期刊近似推理。，93, 424-442 (2018) ·兹比尔1452.68228
[47] 里德·J。；普法林格，B。；Holmes，G.，多标签分类用分类器链，马赫。学习。，85, 333-359 (2011)
[48] Madjarov，G。；Gjorgjevikj，D。；Deroski，S.，多标签学习的两阶段体系结构，模式识别。，45, 3, 1019-1034 (2012)
[49] Kai，W.S。；Chong，H.L.，《通过两阶段多标签超网络解决多标签学习中的类差异》，神经计算，266，29，375-389（2017）
[50] Ren，F.J。；王磊，基于三方决策的文本情感分析，J.Intell。模糊系统。，33, 1, 245-254 (2017) ·Zbl 1376.68145号
[51] 姚明，Y.Y。；Zhao，Y。；Wang，J.，关于约简构造算法（Rough Sets&Knowledge Technology Proceedings，vol.4062（2006）），100-117·Zbl 1154.68513号
[52] Yao，Y.Y。；Wong，S.K.，《近似概念的决策理论框架》，国际J.Man-Mach出版社。螺柱，37、6、793-809（1992）
[53] 郭永伟。；焦立中。；王，S。；王，S。；刘，F。；荣，K.X。；Xiong，T.，一种基于动态粗糙子空间的选择性集成，模式识别。，48, 5, 1638-1652 (2014)
[54] Wang，G.Y。；Ma，X.A。；Yu，H.，概率粗糙集模型中属性约简的单调不确定性测度，国际期刊近似推理。，59，C，41-67（2015）·Zbl 1328.68231号
[55] 张晓云。；Miao，D.Q.，三向属性约简，国际期刊近似原因。，88, 401-434 (2017) ·Zbl 1418.68217号
[56] Ar，J.，多数据集上分类器的统计比较，J.Mach。学习。第7、1、1-30号决议（2006年）·Zbl 1222.68184号
[57] Tsoumakas，G。；Spyromitros-Xioufis，E。；维尔切克，J。；Vlahavas，I.，Mulan：多标签学习的Java库，J.Mach。学习。第12、7、2411-2414号决议（2012年）·Zbl 1280.68207号
[58] 里德·J。；鲁特曼，P。；普法林格，B。；Holmes，G.，MEKA：对WEKA，J.Mach的多标签/多目标扩展。学习。决议，17，1，667-671（2016）·Zbl 1360.68708号
[59] Kimura，K。；Kudo，M。；Sun，L。；Koujaku，S.，用于大规模多标签分类的快速随机k标签集，（国际模式识别会议（2017）），438-443
[60] Tsoumakas，G。；Vlahavas，I.，《随机k标签集：多标签分类的集成方法》，（欧洲机器学习会议，欧洲机器学习大会，ECML（2007）），406-417
[61] Godbole，S。；Sarawagi，S.，《多标签分类的判别方法》，（《知识发现和数据挖掘的进展》，《知识发现与数据挖掘进展》，计算机科学讲稿，第3056卷（2004）），22-30页
[62] 夏皮雷，R.E。；Singer，Y.，《使用置信度预测的改进助推算法》，马赫。学习。，37, 297-336 (1999) ·Zbl 0945.68194号
[63] 夏皮雷，R.E。；Singer，Y.，BoosTexter:一个基于Boosting的文本分类系统（2000年），Kluwer学术出版社·Zbl 0951.68561号
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。