基于划分的问题转换算法

优于多种现有方法

该算法通过层次聚类发现标签相关性，将不平衡多标签学习转化为多个强相关的多类不平衡问题，显著提升分类性能。

Jicong, Duan · 杨习贝 · 高尚 · 于化龙

Engineering Applications of Artificial Intelligence 2024

技术优势

同时处理不平衡和标签相关性

通过层次聚类发现标签相关性，并转化为多个多类不平衡问题，相比仅考虑随机相关性的方法，性能显著提升。

在真实工程数据上有效

在XJTU-SY工程应用数据集上验证，证明该方法不仅适用于基准数据，也能处理实际多标签分类问题。

应用场景

• 不平衡学习：为不平衡多标签数据提供有效分类方法
• 多标签分类：处理多标签分类中的类别不平衡问题
• 标签相关性学习：通过层次聚类发现并利用标签相关性
• 问题转换方法：将多标签问题转换为多类不平衡问题进行求解