采用分而治之策略的快速多标签支持向量机分类算法研究

在大规模多标签分类中,繁重的计算复杂度已严重限制了非线性核支持向量机的使用。因此,本文提出了采用分而治之策略的快速多标签支持向量机分类算法。首先,采用二元关联问题转换策略将多标签分类问题转换为多个二元分类问题。然后,每个二元分类问题都可以被改进的采用分而治之策略的支持向量机分类算法解决,其改进体现在采用DEC(Different Error Cost)方法来克服标签数据不平衡问题。最后,通过集成每个二元分类问题解决方案来实现快速多标签分类。它在训练和测试速度、测试性能等方面优于其它快速多标签分类算法。在两组大规模多标签数据集上的实验结果表明:该算法的训练和测试速度是最快的,测试性能接近ML-LIBSVM分类算法,优于其它快速多标签分类算法。