南京航空航天大学学报

作者：张佳欢，李磊军，李美争，米据生，解滨

单位：河北师范大学计算机与网络空间安全学院，石家庄，050024；,河北师范大学数学科学学院，石家庄，050024;河北师范大学数学博士后科研流动站，石家庄，050024；,河北师范大学计算机与网络空间安全学院，石家庄，050024；,河北师范大学数学科学学院，石家庄，050024；,河北师范大学计算机与网络空间安全学院，石家庄，050024；

关键词：选择性集成;多标记学习;聚类;机器学习

基金：国家自然科学基金(61502144, 62076088, 61672206)资助项目；河北省自然科学基金(F2018205196, F2019205295)资助项目；河北省高等学校自然科学基金(BJ2019014)资助项目；河北省博士后择优资助科研基金(B2016003013)资助项目；河北省三三三人才工程培养经费(A2017002112)资助项目。

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成， 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection，MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection， KMCCS）。在所提出的算法中，如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示，在此基础上给出了学习器之间距离的计算方式。此外， 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析，实验结果表明了所提算法的有效性。

来源：2020年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2020年第5期