一种存在部分缺失和未知类别标记的多标记分类方法

摘要

本发明公开了一种存在部分缺失和未知类别标记的多标记分类方法，属于机器学习技术领域；本发明将部分缺失类别标记和未知类别标记的问题融合在一个框架中，利用高斯距离函数，计算样本相似度矩阵，再将相似度矩阵分解，得到完整类别标记矩阵的近似解，约束近似解的部分结果与已观测的标记结果一致，同时构建从样本特征到完整标记的分类模型，建模已知标记和新发现未知标记之间的关联性，约束相关性较强的具有相似的分类模型系数，并不断优化完整标记矩阵的结果，进而学习得到准确的分类模型。本可发明不仅可以解决已知类别标记存在部分缺失值问题，还可以发现多标记数据中的未知类别标记，挖掘出数据中有价值的隐含信息。