自适应加权广义学习系统

多标签不平衡分类更准

专为多标签学习中类别不平衡问题设计的广义学习系统，通过标签加权与关联挖掘显著提升分类性能。

Yuanxin, Lin · 余志文 · Yang, Kaixiang · Ziwei, Fan · Philip Chen, Chun Lung Philip

IEEE/CAA Journal of Automatica Sinica 2024

技术优势

自适应调整标签权重

无需手动设定权重，系统根据数据分布自动学习每个标签的重要程度，从而改善不平衡分类。

挖掘标签相关性

利用标签之间的关联信息来提升分类性能，特别适用于多标签场景。

应用场景

• 多标签图像分类：改善图像多标签分类在类别不平衡下的表现，减少漏标和误标。
• 多标签文本标注：提升文本标注中罕见标签的识别能力，缓解数据倾斜。
• 类别不平衡学习：从加权与相关挖掘角度处理多标签不平衡，提供新的解决思路。
• 多标签生物信息学：适用于生物信息学中的多标签预测（如蛋白质功能注释），改善不平衡数据下的性能。