使用自适应线性回归的多标签分类算法

华南理工大学学报(自然科学版) ›› 2012, Vol. 40 ›› Issue (9): 69-74.

使用自适应线性回归的多标签分类算法

汤进^1,2黄莉莉^1,2赵海峰^1,2罗斌^1,2

1．安徽大学计算机科学与技术学院，安徽合肥 230601;2．安徽省工业图像处理与分析重点实验室，安徽合肥 230039

收稿日期:2012-01-04 修回日期:2012-05-31 出版日期:2012-09-25 发布日期:2012-08-01
通信作者: 汤进(1976-) ，男，博士，副教授，主要从事图像处理与模式识别研究． E-mail:ahhftang@ gmail.com
作者简介:汤进(1976-) ，男，博士，副教授，主要从事图像处理与模式识别研究．
基金资助:
国家自然科学基金资助项目( 61073116， 61003131) ; 安徽省高校自然科学研究重点项目( KJ2010A006)

Multi-Label Classification Algorithm Using Adaptive Linear Regression

Tang Jin^1,2Huang Li-li^1,2Zhao Hai-feng^1,2Luo Bin^1,2

1. School of Computer Science and Technology,Anhui University,Hefei 230601,Anhui,China; 2. Key Laboratory for Industrial Image Processing and Analysis of Anhui Province,Hefei 230039,Anhui,China

Received:2012-01-04 Revised:2012-05-31 Online:2012-09-25 Published:2012-08-01
Contact: 汤进(1976-) ，男，博士，副教授，主要从事图像处理与模式识别研究． E-mail:ahhftang@ gmail.com
About author:汤进(1976-) ，男，博士，副教授，主要从事图像处理与模式识别研究．
Supported by:
国家自然科学基金资助项目( 61073116， 61003131) ; 安徽省高校自然科学研究重点项目( KJ2010A006)

摘要/Abstract

摘要： 针对多标签数据类别间的相关性与共现性，提出了一种使用自适应线性回归的多标签分类算法，将经典线性回归理论推广到多标签形式，结合多种评判标准对回归结果设置阈值，进而自适应地预测出最终标签．该方法同时考虑了符合数据期望的固定阈值与反映分类器综合效果的自适应阈值，因而降低了数据分布与噪声对分类的影响．实验结果表明，该方法可以有效地解决多标签分类问题．

关键词: 多标签, 分类算法, 线性回归, 自适应阈值学习

Abstract:

Aiming at the co-occurrence and relevance among the multi-label data,a novel multi-label classification algorithm using adaptive linear regression is proposed. In the algorithm,first,the classical linear regression theory is extended to the multi-label linear regression. Then,the threshold for the regression results is set by combining various evaluation criteria,thus adaptively predicting the final labels. The proposed algorithm considers not only the fixed threshold corresponding to the averages but also the adaptive thresholds reflecting the comprehensive effects of the classifier,thus reducing the influence of the distribution and noise of original data on the classification. Experimental results demonstrate that the proposed algorithm is effective in the multi-label classification.

Key words: multi-label, classification algorithm, linear regression, adaptive threshold learning

中图分类号:

汤进黄莉莉赵海峰罗斌. 使用自适应线性回归的多标签分类算法[J]. 华南理工大学学报(自然科学版), 2012, 40(9): 69-74.

Tang Jin Huang Li-li Zhao Hai-feng Luo Bin. Multi-Label Classification Algorithm Using Adaptive Linear Regression[J]. Journal of South China University of Technology(Natural Science Edition), 2012, 40(9): 69-74.

[1]	陈松茂陈宇林鲁忠臣. 基于多参数协同耦合作用的熔融沉积填充速度优化控制研究[J]. 华南理工大学学报(自然科学版), 2021, 49(12): 53-60,68.
[2]	李双路, 訚耀保, 刘敏鑫, 等. 偏转板伺服阀射流盘组件的压力特性预测与分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 71-78.
[3]	张驰, 胡涛, 侯宇迪, 等. 基于制动毂温升的连续下坡货车事故风险评价模型[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 19-29.
[4]	黄玉龙刘明波陈迅. 基于多元线性回归的动态负荷模型参数实时选择[J]. 华南理工大学学报（自然科学版）, 2016, 44(2): 107-116.
[5]	祝晓平韩业强郝耀耀王东陈耀武. 基于概率神经网络的锋电位实时分类算法[J]. 华南理工大学学报(自然科学版), 2012, 40(6): 48-55.
[6]	陈波刘瑗瑗荆朝霞彭显刚. 自动电压控制中不良数据的辨识[J]. 华南理工大学学报（自然科学版）, 2010, 38(7): 67-71.
[7]	张磊孟庆林赵立华张宇峰. 湿热地区城市热环境评价指标的简化计算方法[J]. 华南理工大学学报（自然科学版）, 2008, 36(11): 96-100.
[8]	郭国雄, 陈玲, 栾长福, 等. 回归分析在新股股价预测建模中的应用 [J]. 华南理工大学学报(自然科学版), 2003, 31(3): 57-59.
[9]	杨敏, 叶邦彦, 牟丽, 等. 机械零件图像中直线边缘亚像素定位方法[J]. 华南理工大学学报(自然科学版), 2003, 31(12): 30-33.