1、分類(lèi)是指通過(guò)對(duì)已知類(lèi)別的樣本集進(jìn)行學(xué)習(xí)，來(lái)預(yù)測(cè)未知類(lèi)別樣本的過(guò)程。多標(biāo)簽分類(lèi)允許一個(gè)樣本同時(shí)擁有多個(gè)標(biāo)簽，并且標(biāo)簽之間可能存在一定的關(guān)聯(lián)性。由于在現(xiàn)實(shí)中的應(yīng)用廣泛，該問(wèn)題得到了越來(lái)越多的關(guān)注，現(xiàn)有的處理多標(biāo)簽問(wèn)題的方法主要有基于問(wèn)題轉(zhuǎn)換的方法及基于算法擴(kuò)展的方法。
　　目前，將分解策略與支持向量機(jī)相結(jié)合的算法已經(jīng)成為了處理多標(biāo)簽問(wèn)題的有效方法之一?；凇耙粚?duì)一”分解策略的多標(biāo)簽分類(lèi)算法能夠?qū)類(lèi)原問(wèn)題分解成q(q-1)/2的子問(wèn)題

2、，通過(guò)集成所有子問(wèn)題的解來(lái)得到原問(wèn)題的解，優(yōu)點(diǎn)在于能夠簡(jiǎn)化問(wèn)題的求解過(guò)程，并且弱化樣本的不平衡性問(wèn)題，但也伴隨著新的問(wèn)題，包括三類(lèi)問(wèn)題及閾值問(wèn)題等。對(duì)于分解后可能出現(xiàn)的三類(lèi)問(wèn)題，本文采用了順序回歸的方法，將混合類(lèi)看作新的類(lèi)別，尋找兩個(gè)平行的分類(lèi)超平面將三種類(lèi)別的樣本劃分開(kāi)來(lái)，實(shí)現(xiàn)了三類(lèi)支持向量機(jī)的多標(biāo)簽分類(lèi)算法(OR-SVM)。而關(guān)于相關(guān)標(biāo)簽的選取問(wèn)題，在本文提出的算法中，采用了離散貝葉斯方法來(lái)判別相關(guān)標(biāo)簽。
　　在實(shí)驗(yàn)部分，本文

3、選取Yeast等10個(gè)基準(zhǔn)數(shù)據(jù)集用于算法性能的比較，并選取了漢明損失、準(zhǔn)確率、精度、召回率、F1值、排序損失、1錯(cuò)誤率、覆蓋率、平均精度共9個(gè)準(zhǔn)則用于對(duì)算法性能的評(píng)估。在算法的參數(shù)調(diào)諧過(guò)程中，本文采用了三折疊的交叉驗(yàn)證方法，并根據(jù)訓(xùn)練集上排序損失及漢明損失的平均值進(jìn)行最優(yōu)參數(shù)的選取，然后在測(cè)試集上計(jì)算算法的9個(gè)性能指標(biāo)值。通過(guò)與現(xiàn)有的多標(biāo)簽分類(lèi)算法OVR-SVM等進(jìn)行比較，使用排序的方法統(tǒng)計(jì)結(jié)果，并通過(guò)Friedman檢驗(yàn)深入分析排序結(jié)