[發明專利]一種基于特征聚類和標簽相似性的標簽增強方法

在審

• 申請號: 202110088305.2
• 申請日: 2021-01-22
• 公開（公告）號: CN112766383A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 蔣文田;楊柏林;馬希驁
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

1.一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于該方法包括以下步驟：

步驟1：給定多標簽樣本的集合M，將集合M分成兩部分，一部分是表示特征的集合F，另一部分表示標簽的集合L；

步驟2：對集合M進行預處理，主要包括數據缺失值處理、數據歸一化；

步驟3：通過一種基于特征聚類和標簽相似性的方法找到樣本a的鄰近樣本集合S；

步驟4：確定鄰近樣本集合S之后，通過標簽權重的方法將樣本a的標簽從多標簽數據狀態，轉化成標簽分布的標簽描述度；

步驟5：對所有的樣本重復步驟3和4，得到標簽分布的集合D。

2.根據權利要求1所述的一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于：步驟2中，數據缺失值處理和數據歸一化具體是：

所述數據缺失值處理采用缺失值填充，所述缺失值填充是對每一列的缺失值填充當列的眾數；

所述數據歸一化是將數據映射到指定的范圍，具體是對原始數據線性變換，使結果值映射到[0-1]之間。

3.根據權利要求1所述的一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于：步驟3中所述的基于特征聚類和標簽相似性的方法具體是：

通過計算特征聚類得到集合S1，通過計算標簽相似性得到集合S2；將在集合S1和集合S2都出現的樣本添加到鄰近樣本集合S中；

所述的特征聚類是指計算樣本a的特征與其它樣本的特征之間的距離，如果某個樣本b的特征與樣本a的特征之間的距離小于閾值，將樣本b的序號加入到集合S1中；

所述的標簽相似性是指樣本a的標簽與其它樣本的標簽之間的相似性，如果某個樣本b的標簽與樣本a的標簽之間的距離大于閾值，將樣本b的序號加入到集合S2中。

4.根據權利要求3所述的一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于：所述距離采用以下公式計算：

其中k＝2，即歐式距離，a_i，b_i表示樣本a，b的特征，p表示特征的個數。

5.根據權利要求3所述的一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于：所述的標簽相似性采用杰卡德系數，采用以下公式計算：

其中A表示樣本a的標簽，B表示樣本b的標簽。

6.根據權利要求1所述的一種基于特征聚類和標簽相似性的標簽增強方法，其特征在于：步驟4中標簽權重的方法具體是：

根據鄰近樣本集合S中所有樣本的標簽來構建矩陣；

統計矩陣中所有標簽為1的個數，記為X；

統計矩陣每一列標簽為1的個數，使用向量表示為：Y＝{y₁,y₂,…,y_q}；

則標簽權重LW表示為:

對標簽A進行權重化，得到Z：

對Z進行歸一化操作，得到LD作為樣本a的標簽分布的標簽描述度，q表示標簽的個數。