控制与决策

作者：李二超,杨宏强

单位：兰州理工大学 电气工程与信息工程学院，兰州 730050,,兰州理工大学 电气工程与信息工程学院，兰州 730050,

关键词：机器学习;多维分类;分类器链;一对一分解;标签顺序;特征空间

基金：国家自然科学基金项目(62063019, 62306131).

多维分类问题中的类别变量具有复杂的依赖关系, 这对分类性能有着重要影响. 分类器链算法能够有效地建模这些依赖关系, 但由于标签顺序选择和错误传播问题, 性能提升受限. 为此, 提出一种基于分解排序的多维分类器链算法. 首先, 通过一对一分解规则将多维分类问题转化为多个二类分类问题, 以降低问题的复杂度; 其次, 将标签顺序建模为线性排序问题, 并利用遗传算法进行优化, 确保标签排序的合理性; 最后, 通过控制特征空间策略减弱前序分类器的错误预测对后续分类器的负面影响, 从而提高算法的鲁棒性. 在10个真实的多维分类数据集上进行的对比实验表明, 所提出的算法在泛化性能上优于当前先进的多维分类算法, 同时具有较低的计算复杂度.

来源：2025年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第7期