基于标签正负相关性的多标签类属特征学习

摘要

提出一种基于标签正负相关性的多标签类属特征学习方法(multi-label learning with label-specific features based on positive and negative label correlation,LIFTPNL).基于k近邻的思想构建全局和局部的标签信息矩阵,根据此矩阵计算成对标签的正负相关性;对每个类别标签,基于属于相同和不同类簇的样本构建连接矩阵,联合该标签正负相关性计算样本相似度;采用谱聚类方法获得聚类中心,将原有特征转换成类属特征;通过二分类器得到分类结果.实验结果表明,所提算法优于多种多标签分类方法.