基于自适应共振理论聚类的多标签分类
机器学习
2024-10-04 v3
摘要
本文提出一种能够进行持续学习的多标签分类算法，通过应用基于自适应共振理论（ART）的聚类算法和用于标签概率计算的贝叶斯方法实现。该基于ART的聚类算法自适应且持续地生成与给定数据相对应的原型节点，所生成的节点被用作分类器。标签概率计算独立统计每个类别的标签出现次数并计算贝叶斯概率。因此，标签概率计算能够应对标签数量的增加。在合成与真实世界多标签数据集上的实验结果表明，所提算法在实现持续学习的同时，具有与其他知名算法相竞争的分类性能。
引用
@article{arxiv.2103.01511,
title = {Multi-label Classification via Adaptive Resonance Theory-based Clustering},
author = {Naoki Masuyama and Yusuke Nojima and Chu Kiong Loo and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2103.01511},
year = {2024}
}