ecai 2016是歐洲展示ai科學成果的最佳場所，大會為研究人員提供了很好的機會，去介紹和聽取當代最優秀的人工智能研究成果。
摘要：多标記分類的目标是将多個标簽配置設定到一個單一的測試執行個體中。最近，越來越多的多标記分類應用出現了大-規模（large-scale）問題，其中執行個體，特征，和标記的數量要不就是其中有一個很大，要不就都非常巨大。為了解決該問題，在本文中，我們開發了一個基于聚類的局部多标簽分類方法，試圖減少執行個體、特征和标簽的大小問題。我們的方法由低維資料的聚類和局部模型學習組成。集體來說，就是通過将聚類分析應用于特征的子空間上，使原始資料集首先分解成幾個正規規模部分，本過程由監督多标記降維技術誘導；然後，在每個資料叢集上訓練一種高效的局部多标簽模型、meta标簽分類器鍊。給定一個測試執行個體，隻激活屬于最近叢集的局部模型以進行預測。在十八個基準資料集上進行的大量實驗證明所提出的方法的效率堪比最好的算法。
lu sun
職位；北海道大學資訊科學與技術研究所學生院博士 研究方向：大規模多标簽分類，多标簽特征選擇，聚類高維資料 相關學術論文： ·"multi-label classification with meta-label-specific features"（icpr2016） · "fast random k-labelsets for large-scale multi-label classification"（icpr2016）
via：ecai 2016
ps : 本文由雷鋒網(公衆号：雷鋒網)獨家編譯，未經許可拒絕轉載！
<a href="http://pan.baidu.com/s/1c9rocq" target="_blank">原論文下載下傳</a>
本文作者：章敏