论文部分内容阅读
在传统的监督学习中,每个对象由单个实例表示且只属于一个类别标记.然而,在多标记学习中,每个对象由一个实例表示但可能同时属于多个类别标记,其任务是预测未知样本的类别标记集合.本文提出了基于正则化最小二乘的多标记分类算法,即将传统的正则化最小二乘分类推广到多标记学习中.首先,将多标记学习问题转化为多个独立的二分类问题(每个对应一个类别标记);其次,为了充分利用类别标记之间的相关信息,构建了基于类别标记的邻接图,其中每个节点代表一个类别标记,每条边的权重反映了相应类别标记对之间的相似性.最后,构建了建立在