软件学报

作者：丁家满，周蜀杰，李润鑫，付晓东，贾连印

单位：丁家满，昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;云南省人工智能重点实验室(昆明理工大学), 云南 昆明 65050011,周蜀杰，昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;云南省人工智能重点实验室(昆明理工大学), 云南 昆明 65050002,李润鑫，昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;云南省人工智能重点实验室(昆明理工大学), 云南 昆明 65050003,付晓东，昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;云南省人工智能重点实验室(昆明理工大学), 云南 昆明 65050004,贾连印，昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;云南省人工智能重点实验室(昆明理工大学), 云南 昆明 65050005

关键词：多标签学习;分类器链;标签依赖;强关联规则;拓扑序列;二元关联

基金：国家自然科学基金(61562054)

在分类器链方法中, 如何确定标签学习次序至关重要, 为此, 提出一种基于关联规则和拓扑序列的分类器链方法(TSECC). 首先结合频繁模式设计了一种基于强关联规则的标签依赖度量策略; 接下来通过标签间依赖关系构建有向无环图, 对图中所有顶点进行拓扑排序; 最后将得到的拓扑序列作为分类器链方法中标签的学习次序, 对每个标签的分类器依次迭代更新. 特别地, 为减少无标签依赖或标签依赖度较低的“孤独”标签对其余标签预测性能的影响, 将“孤独”标签排在拓扑序列之外, 利用二元关联模型训练. 在多种公共多标签数据集上的实验结果表明, TSECC能够有效提升分类性能.

来源：2023年第9期

《软件学报》期刊编辑部

查看软件学报杂志2023年第9期