计算机应用研究

作者：唐朝阳,翟婷婷,郑逸先,

单位：扬州大学信息工程学院,江苏扬州225127；

关键词：多标签分类,多核学习,非凸优化,在线学习,

基金：国家自然科学基金资助项目(61906165)；江苏省高等学校自然科学研究资助项目(19KJB520064)；；

近年来，多核方法已被证实在很多领域上有着比单核更好的性能。然而，现有的在线多标签分类算法大多采用单核方法，并且依赖于离线的核函数选择过程。为了克服这些问题并提升分类性能，提出了一种在线多核多标签分类算法（online multi kernel multi-label classification，OMKMC）。具体而言，OMKMC将多个核分类器及其权重系数的学习建模成一个非凸优化问题，使用交替最小化方法求解这一问题，推导出了核分类器及其权重系数的闭式更新公式。此外，OMKMC还引入了孤立核以解决大规模数据上的计算问题。在八个公开数据集上的实验表明，相较于其他几种先进多标签分类算法，OMKMC在多项性能指标上均有优势，证明了OMKMC是有效的。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期