利用决策模板探索标签相关性：面向分类链集成的方法

集成式多标签方法的使用已被证明在提高多标签分类结果方面有效。最常用的集成式多标签分类器之一是分类链集成（Ensemble of Classifier Chains）。基于决策模板的分类链集成（Decision Templates for Ensemble of Classifier Chains，DTECC）是一种融合方案，基于决策模板将分类链集成的预测组合起来，利用每个标签的决策轮廓信息，但不考虑可能对分类结果有贡献的其他标签信息。基于DTECC，本工作提出了 unconditionally dependent decision templates for ensemble of classifier chains（无条件相关决策模板，用于分类链集成，UDDTECC）方法，这是一种寻求在融合过程中利用标签之间相关性的分类器融合方法。如此一来，对问题中每个标签的分类将考虑到那些被视为条件相关的标签值，这可能导致分类性能的提升。本文将 proposed 方法与两种传统分类器融合策略以及一种堆叠式策略进行实验比较。实证证据表明，使用所提出的决策模板改编方案在大多数评估指标上均优于传统使用的融合方案。