基于全局和局部目标点相关性的多标签学习

传统单标签学习一般都是假设一个示例仅仅与一个标签相关。然而,随着科技的发展和数据形式的日益复杂,现实中的学习问题,往往一个示例同时与多个标签相关,面对这种情况,多标签学习框架被提出。现有的多标签学习大多都是从标签相关性的角度考虑,而目标点的相关性也是一个值得研究的问题。目前目标点相关性算法都是只从全局角度,或者只是从局部角度研究多标签学习问题,这对实际情况并不完全适用。本文提出一种新的同时利用全局目标点相关性和局部目标点相关性的多标签学习算法。首先运用深度神经网络学习得到全局目标点的相关性,再使用k近邻算法将全局目标点划分为局部目标点,进而运用欧式距离度量局部目标点的相关性。最后,将全局目标点相关性和局部目标点相关性结合在一起得到一个最优解。8个多标签数据集上的实验结果验证了本文所提出算法的有效性和可行性。