监督和半监督学习下的多标签分类综述

传统的多标签分类算法大多数采用监督学习的方式,但现实生活中有许多数据没有被标记.通过人工的方式对需要的全部数据进行标记耗费的成本较高.半监督学习算法可以使用大量未标记数据和标记数据来进行工作,因此受到了人们的重视.文中首次从监督和半监督学习的角度对多标签分类算法进行阐述,同时全面地对多标签分类算法的应用领域进行了总结.从决策树、贝叶斯、支持向量机、神经网络和集成等多个方向对标签非相关性和标签相关性的监督学习算法进行概述,从批处理和在线的方向对半监督学习算法进行综述,从图像分类、文本分类和其他等角度对多标签的实际应用领域进行介绍.文中还简要分析了多标签的评估指标,最后给出了关于半监督学习下的复杂概念漂移处理、特征选择处理、标签复杂相关性处理和类不平衡处理的研究方向.