多标记数据特征提取方法的核改进

作     者：李华 李德玉 王素格 张晶 LI Hua;LI Deyu;WANG Suge;ZHANG Jing

作者机构：山西大学计算智能与中文信息处理教育部重点实验室太原030006 石家庄铁道大学数理系石家庄050043 山西大学计算机与信息技术学院太原030006 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2015年第35卷第7期

页      面：1939-1944,1954页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61272095) 山西省回国留学人员科研项目(2013-014) 河北省教育厅项目(Z2014106) 

主　　题：多标记学习 特征提取 核函数 损失函数 互信息 

摘      要：针对多标记数据特征提取方法中输出核函数没有准确刻画标记间的相关性的问题,在充分度量标记间相关性的基础上,提出了两种新的输出核函数构造方法。第一种方法首先将多标记数据转化为单标记数据,并使用标记集合来刻画标记间的相关性;然后从损失函数的角度出发定义新的输出核函数。第二种方法是利用互信息来度量标记间的两两相关性,在此基础上进一步构造新的输出核函数。3个多标记数据集上2种分类器的实验结果表明,与原有核函数对应的多标记特征提取方法相比,基于损失函数的输出核函数对应的特征提取方法性能最好,5个评价指标的性能平均提高了10%左右,尤其在Yeast数据集上,Coverage指标下降幅度达到了30%左右;基于互信息的输出核函数次之,性能平均提高了5%左右。实验结果表明,基于新的输出核函数的特征提取方法能够更加有效地提取特征,并进一步简化分类器的学习过程,提高分类器的泛化性能。