论文部分内容阅读
针对多标签分类问题，提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先，结合“一对一”分解策略和贝叶斯理论，将多标签数据集分解为单标签数据子集，并利用Parzen窗方法估计子集样本后验概率，对类标签进行了基于概率的不确定性表示。然后，在融合概率类标签和LS-SVM模型的基础上，利用样本差异信息来调节惩罚参数值，建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3仃原理，设计了子分类器决策阈值确定方法。最后，结合实例对算法进行了性能分析，结果证明了新算法的合理性和有效性。