典型文献
基于非负矩阵分解与稀疏表示的多标签分类算法
文献摘要：
传统的多标签分类算法是以二值标签预测为基础的,而二值标签由于仅能指示数据是否具有相关类别,所含语义信息较少,无法充分表示标签语义信息.为充分挖掘标签空间的语义信息,提出了一种基于非负矩阵分解和稀疏表示的多标签分类算法(MLNS).该算法结合非负矩阵分解与稀疏表示技术,将数据的二值标签转化为实值标签,从而丰富标签语义信息并提升分类效果.首先,对标签空间进行非负矩阵分解以获得标签潜在语义空间,并将标签潜在语义空间与原始特征空间结合以形成新的特征空间;然后,对此特征空间进行稀疏编码来获得样本间的全局相似关系;最后,利用该相似关系重构二值标签向量,从而实现二值标签与实值标签的转化.在5个标准多标签数据集和5个评价指标上将所提算法与MLBGM、ML2、LIFT和MLRWKNN等算法进行对比.实验结果表明,所提MLNS在多标签分类中优于对比的多标签分类算法,在50％的案例中排名第一,在76％的案例中排名前二,在全部的案例中排名前三.
文献关键词：
多标签分类;非负矩阵分解;稀疏表示;多输出回归;机器学习
中图分类号：
作者姓名：
包永春;张建臣;杜守信;张军军
作者机构：
西安工程大学计算机科学学院,西安710048;德州学院计算机与信息学院,山东德州253023
文献出处：
引用格式：
[1]包永春;张建臣;杜守信;张军军-.基于非负矩阵分解与稀疏表示的多标签分类算法)[J].计算机应用,2022(05):1375-1382
A类：
MLNS,MLBGM,MLRWKNN
B类：
非负矩阵分解,稀疏表示,多标签分类,分类算法,所含,标签语义信息,标签空间,分类效果,得标,语义空间,特征空间,稀疏编码,相似关系,关系重构,标签数据集,上将,ML2,LIFT,中排,排名第,多输出回归
AB值：
0.204281
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
