论文研究构造样本k近邻数据的多标签分类算法.pdf

在多标签分类问题中，通过k近邻的分类思想，构造测试样本关于近邻样本类别标签的新数据，通过回归模型建立在新数据下的多标签分类算法。计算测试样本在每个标签上考虑距离的k近邻，构造出每个样本关于标签的新数据集。对新数据集采取线性回归和Logistic回归，给出基于样本k近邻数据的多标签分类算法。为了进一步利用原始数据的信息，考虑每个标签关于原始属性的Markov边界，结合新数据的特征建立新的回归模型，提出考虑Markov边界的多标签分类算法。实验结果表明所给出的方法性能优于常用的多标签学习算法。