论文部分内容阅读
针对当前多标记分类学习中建模高阶标记相关性存在的误差传播问题,提出一种基于类属特征和依赖标记的多标记分类算法(CFDL)。首先,将特征矩阵和标记矩阵融合,构建线性分类模型,通过稀疏约束学习每个类别标记的类属特征集和依赖标记,建模高阶标记相关性;其次,根据标记矩阵构建二阶标记相关性矩阵,并依次约束分类模型参数的流形结构;最后,使用加速近端梯度方法求解最终的多标记分类目标函数。CFDL算法在测试阶段无需借助外部分类器,可降低因使用外部分类器而导致误差传播的问题。通过与4种多标记分类算法在6个多标记数据集上进行