MLPSVM：一种面向多标签学习的新型并行支持向量机
机器学习
2020-04-14 v1 机器学习
摘要
多标签学习已引起机器学习界的关注。问题转换方法二元相关性 (Binary Relevance) 将熟悉单标签转换为多标签算法。二元相关性方法因其结构简单和算法高效而被广泛使用。但二元相关性未考虑标签间联系，使得处理某些任务繁琐。本文提出一种也可用于单标签分类的多标签学习算法。它基于标准支持向量机，将原有单个决策超平面改为两个并行决策超平面，称之为多标签并行支持向量机 (MLPSVM)。文章末尾将 MLPSVM 与其他多标签学习算法比较。实验结果表明该算法在数据集上表现良好。
引用
@article{arxiv.2004.05849,
title = {MLPSVM:A new parallel support vector machine to multi-label learning},
author = {Yanghong Liu and Jia Lu and Tingting Li},
journal= {arXiv preprint arXiv:2004.05849},
year = {2020}
}