×
里卡多·塞里;罗德里戈·巴罗斯。;安德烈·C·P·L·F·德·卡瓦略。

使用局部神经网络的分层多标签分类。 （英语） 兹比尔1311.68132

J.计算。系统。科学。 80，编号1，39-56（2014）。
摘要：分层多标签分类是一项复杂的分类任务，其中问题涉及的类是分层结构的，每个示例可能同时属于每个层次中的多个类。在本文中，我们扩展了我们以前的工作，在那里我们研究了一种新的基于本地的分类方法，该方法为每个级别的分类层次递增地训练多层感知器。神经网络在给定级别的预测被用作负责下一级别预测的神经网络的输入。我们使用多个分层多标签分类数据集，将该方法与一种最先进的决策树归纳方法和两种决策树归纳法进行了比较。我们进行了彻底的实验分析，表明我们的方法在准确度和召回率评估指标方面都取得了与稳健的全局方法相竞争的结果。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

分层多标签分类;神经网络;局部分类法

软件：

4.5条;威卡;MULAN公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Cerri}等人，《计算杂志》。系统。科学。80，第1号，39-56（2014；Zbl 1311.68132）
全文： 内政部

参考文献：

[1] Freitas，A。；Carvalho，A.C.，《生物信息学中应用的分层分类教程》（数据挖掘技术和应用的研究与趋势（2007），Idea Group），175-208，（第七章）
[2] 克莱尔，A。；King，R.D.，预测酿酒酵母的基因功能，生物信息学，19，42-49（2003）
[3] 斯特鲁伊夫，J。；Blockeel，H。；Clare，A.，《功能基因组学中具有预测聚类树的层次多分类》，（生物信息学计算方法研讨会。生物信息学中的计算方法研讨会，Lect.Notes Artif.Intell.，vol.3808（2005），Springer），272-283
[5] 文斯，C。；斯特鲁伊夫，J。；Schietgat，L。；季洛斯基，S。；Blockeel，H.，分层多标签分类的决策树，马赫。学习。，73, 185-214 (2008) ·Zbl 1470.62098号
[7] Otero，F。；Freitas，A。；Johnson，C.，用于蛋白质功能预测的分层多标签分类蚁群算法，模因计算。，2, 165-181 (2010)
[10] Valentini，G.，全基因组基因功能预测的真路径规则层次集成，IEEE/ACM Trans。计算。生物信息学。，8, 3, 832-847 (2011)
[12] Quinlan，J.R.，C4.5：机器学习课程（1993），摩根考夫曼出版社：摩根考夫曼出版社，美国加利福尼亚州旧金山
[13] Vapnik，V.N.，《统计学习理论的本质》（1999），Springer-Verlag:Springer-Verlag纽约·Zbl 0934.62009号
[14] 科斯塔，E。；Lorena，A。；卡瓦略，A。；Freitas，A。；Holden，N.，将蛋白质分级分类的几种方法与决策树进行比较，（第二届巴西生物信息学研讨会。第二届巴西生物信息学研讨会，Lect.Notes in Bioinformation.，vol.4643（2007），Springer Verlag:Springer Verlag Berlin，Heidelberg），126-137
[15] 西拉，C。；Freitas，A.，《跨不同应用程序域的分层分类调查》，Data Min.Knowl。迪斯科。，2010年3月22日至72日·兹比尔1235.68190
[19] Rumelhart，D.E。；McClelland，J.L.，《并行分布式处理：认知微观结构的探索》，第1卷（1986年），麻省理工学院出版社：麻省理学院出版社剑桥
[21] 塞萨·比安奇，N。；Gentile，C。；Zaniboni，L.，分层分类的增量算法，马赫。学习。，7, 31-54 (2006) ·Zbl 1222.68161号
[22] 塞萨·比安奇，N。；Valentini，G.，《全基因组基因功能预测的分层成本敏感算法》，J.Mach。学习。决议，8，14-29（2010年）
[24] 塞萨·比安奇，N。；关于M。；Valentini，G.，《多标签层次集成的协同作用、数据融合和基因功能推断的成本敏感方法》，马赫。学习。，88, 1-2, 209-241 (2012) ·Zbl 1243.68234号
[25] 关于M。；Valentini，G.，简单集成方法与用于基因功能预测的最新数据集成方法J.Mach具有竞争力。学习。研究-程序。轨道，898-111（2010）
[27] 塞里·R。；Carvalho，A.C.P.L.F.，使用SVM解决分层多标签分类问题的新自顶向下方法，（国际神经网络联合会议论文集（IJCNN）（2010），IEEE:IEEE巴塞罗那），3064-3071
[28] Tsoumakas，G。；Katakis，I。；Vlahavas，I.P.，《挖掘多标签数据》（《数据挖掘和知识发现手册》（2010），施普林格出版社），667-685
[29] 沈，X。；布特尔，M。；罗，J。；Brown，C.，多标签机器学习及其在语义场景分类中的应用，Proc。SPIE，5307188-199（2004）
[30] 塞里·R。；卡瓦略，A.C.P.L.F。；Freitas，A.A.，《将非层次多标签分类方法应用于层次多标签分级》，《智能数据分析》，第15、6、861-887页（2011年）
[32] Schietgat，L。；文斯，C。；斯特鲁伊夫，J。；Blockeel，H。；科切夫，D。；Dzeroski，S.，使用分层多标签决策树集合预测基因功能，BMC生物信息学，11，2（2010）
[33] Breiman，L.，装袋预测，马赫数。学习。，24, 2, 123-140 (1996) ·Zbl 0858.68080号
[34] 阿尔维斯，R。；德尔加多，M。；Freitas，A.，人工免疫系统蛋白质功能的多标签分级分类，（第三届巴西生物信息学研讨会。第三届巴西生物信息学研讨会，Lect.Notes in Bioinformation.，vol.5167（2008），Springer Verlag:Springer Verlag Berlin，Heidelberg），1-12
[35] 德卡斯特罗，L.N。；Timmis，J.I.，《人工免疫系统：一种新的计算智能方法》（2002），Springer-Verlag:Springer-Verlag London·Zbl 1027.68108号
[36] Sangsuriyun，S。；Marukatat，S。；Waiyamai，K.，使用否定规则的分层多标签关联分类（HMAC），（国际认知信息学会议（2010），IEEE），919-924
[37] 多里戈，M。；马尼佐，V。；Colorni，A.，《积极反馈作为一种搜索策略》（1991年），Dipartmento di Elettronica，Politecnico di Milano，IT，Tech.rep。
[38] Dorigo，M.，《优化、学习和自然算法》（1992），电子技术研究所，米兰理工大学，IT，博士论文
[39] Otero，F。；Freitas，A。；Johnson，C.，用于预测基因本体术语的分层分类蚁群算法，（生物信息学中进化计算、机器学习和数据挖掘欧洲会议。生物信息学的进化计算、计算机学习和数据开采欧洲会议，Lect.Notes Compute.Sci.（2009），Springer）， 68-79
[40] Ruepp，A。；Zollner，A。；Maier，D。；阿尔伯曼，K。；哈尼，J。；莫克雷兹，M。；特科，I。；吉尔德纳，美国。；Mannhaupt，G。；Münsterkötter，M。；Mewes，H.W.，The FunCat，全基因组蛋白质系统分类的功能注释方案，Nucl。《酸类研究》，32，18，5539-5545（2004）
[41] Witten，I.H。；Frank，E.，《数据挖掘：实用机器学习工具和技术》（2005），Morgan Kaufmann·Zbl 1076.68555号
[43] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[44] 霍尔，M。；E.弗兰克。；霍姆斯，G。；普法林格，B。；鲁特曼，P。；Witten，I.H.，《WEKA数据挖掘软件：更新》，SIGKDD Explor。新闻。，11, 1, 10-18 (2009)
[45] Sun，A。；彭林，E。；Ng，W.K。；Srivastava，J.，分层文本分类中的阻塞减少策略，IEEE Trans。知识。数据工程，161305-1308（2004）
[47] 道奎尔，G。；Verleysen，M.，多标签分类问题的特征选择，（第十一届人工神经网络国际会议论文集计算智能进展会议（2011），Springer-Verlag:Springer-Verlag Berlin，Heidelberg），9-16
[49] Powell，M.J.D.，《多变量插值的径向基函数：综述》，（近似算法（1987），克拉伦登出版社：美国纽约州纽约市克拉伦登出版公司），143-167·Zbl 0638.41001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。