[發明專利]基于多標簽柔性支持向量機的分類方法

有效

• 申請號: 201210396793.4
• 申請日: 2012-10-18
• 公開（公告）號: CN102945371A
• 公開（公告）日: 2013-02-27
• 發明（設計）人: 祁仲昂;楊名;張仲非;張正友
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/30
• 代理公司: 杭州宇信知識產權代理事務所(普通合伙) 33231
• 代理人: 張宇娟;施海寅

1.一種基于多標簽柔性支持向量機的分類方法，其特征在于，包括以下步驟：

首先，在多標簽空間中定義一種新型的距離度量方法，用來衡量在特定的分類目標下多標簽空間中點與點之間的距離，所述新型的距離度量方法為：將多標簽訓練集表示為訓練集中的每個點都被標上了多種多樣的標簽，整個訓練集的標簽字典組成了S維的多標簽空間多標簽訓練集中的每個點在視角中的特征向量表示為x_i，在標簽字典中的標簽向量表示為d_i＝(d_i，1，d_i，2，...，d_i，S)′，其中d_i，r?∈{0，1}，1≤r≤S表示字典中的第r個標簽T_r是否在I_i中出現，同時用y_i，r表示I_i的分類標簽，y_i，r＝2·d_i，r-1，在多標簽一對多OneVs?All的分類模式中，當一個標簽T_r被作為分類目標時，標簽字典中其余的標簽就會組成一個S-1維的標簽特征空間用t_i，r表示I_i在空間中的特征向量，t_i，r＝(d_i，1，...，d_i，r-1，d_i，r+1，...，d_i，S)′，

定義當給定d_i，k＝0or?1時，d_i，r＝0or1的條件概率如下所示：

P10=ΔP(di,r=1|di,k=0)=1-P00]]>

P01=ΔP(di,r=0|di,k=1)=1-P11]]>

將每一個標簽T_r的關聯度向量標記為g_r，

g_r＝(g_r，1，...，g_r，r-1，g_r，r+1，...，g_r，S)′，

向量的每一個元素表示標簽T_r與其他標簽的關聯度，

關聯度元素g_r，k(k∈{1，...，r-1，r+1，...，S})的定義如下式所示：g_r，k＝P₀₀·P₁₁+P₁₀·P₀₁，將樣本點在空間中的特征向量與每一個標簽T_r關聯度向量結合起來，得到多標簽空間中一種新型的距離度量方法的定義如下式所示：dis_r(I_i，I_j)＝||(t_i，r-t_j，r)⊙g_r||_p，其中⊙表示向量之間的阿達馬Hadamard乘積；

然后，在特定的分類目標下對多標簽空間中的每個點定義一個鄰域，某點的鄰域包含在新型的距離度量方法下離中心點最近的幾個點，所述的鄰域的表示方法為：I_i在空間中用這種新型距離度量方法定義的鄰域，不包括I_i自己，表示為I_i和其領域中數據點的分類結果相似度高，和非鄰域數據點的分類結果相似度低，鄰域的大小u表示I_i在空間中的最鄰近的鄰居點的個數，

最后，結合每個樣本點在多標簽空間中的鄰域信息，利用提出的一種新的多標簽柔性支持向量機分類器進行多標簽分類訓練，所述新的多標簽柔性支持向量機分類器的建立方法為：將每個點I_i的分類標簽y_i，r的取值范圍從兩個點{-1，+1}擴展到了一個柔性范圍[-1，+1]內，每個點I_i的柔性分類標簽標記為l_i，r，l_i，r的取值不僅取決于I_i的分類標簽y_i，r，還取決于I_i在空間中最鄰近的鄰居點的分類標簽，l_i，r的定義如下所示：

D是常量，且0≤D＜1，多標簽柔性支持向量機的優化式如下：

minw12||w||2+CΣi=1n|li,r|ξi]]>

s.t.∀i=1n:li,r(wTxi+b^)≥|li,r|2-|li,r|ξi,ξi≥0]]>

其中w，分別是多標簽柔性支持向量機分類器SVM-MSM的系數和偏置，C是常數，ξ_i是松弛變量。