attributeMean_Accl298_Std_Mem40_MFCC_llnumeric
[0160] ?attributeMean_Accl298_Std_Mem40_MFCC_12numeric
[0161] ?attributeStd-Accl298-Mean-Mem40-Centroidnumeric
[0162] ?attributeStd-Acc1298-Mean-Mem40-Rolloffnumeric
[0163] ?attributeStd_Accl298_Mean_Mem40_Fluxnumeric
[0164] ?attributeStd_Accl298_Mean_Mem40_MFCC_0 numeric
[0165] ?attributeStd_Accl298_Mean_Mem40_MFCC_lnumeric
[0166] ?attributeStd_Accl298_Mean_Mem40_MFCC_2 numeric
[0167] ?attributeStd_Accl298_Mean_Mem40_MFCC_3 numeric
[0168] ?attributeStd_Accl298_Mean_Mem40_MFCC_4 numeric
[0169] ?attributeStd_Accl298_Mean_Mem40_MFCC_5 numeric
[0170] ?attributeStd_Accl298_Mean_Mem40_MFCC_6 numeric
[0171] ?attributeStd_Accl298_Mean_Mem40_MFCC_7 numeric
[0172] ?attributeStd_Accl298_Mean_Mem40_MFCC_8 numeric
[0173] ?attributeStd_Accl298_Mean_Mem40_MFCC_9 numeric
[0174] ?attributeStd_Accl298_Mean_Mem40_MFCC_10 numeric
[0175] ?attributeStd_Accl298_Mean_Mem40_MFCC_llnumeric
[0176] ?attributeStd_Accl298_Mean_Mem40_MFCC_12 numeric
[0177] ?attributeStd_Accl298_Std_Mem40_Centroidnumeric
[0178] ?attributeStd_Accl298_Std_Mem40_Rolloffnumeric
[0179] ?attributeStd_Accl298_Std_Mem40_Fluxnumeric
[0180] ?attributeStd_Accl298_Std_Mem40_MFCC_0 numeric
[0181] ?attributeStd_Accl298_Std_Mem40_MFCC_lnumeric
[0182] ?attributeStd_Accl298_Std_Mem40_MFCC_2 numeric
[0183] ?attributeStd_Accl298_Std_Mem40_MFCC_3 numeric
[0184] ?attributeStd_Accl298_Std_Mem40_MFCC_4 numeric
[0185] ?attributeStd_Accl298_Std_Mem40_MFCC_5 numeric
[0186] ?attributeStd_Accl298_Std_Mem40_MFCC_6 numeric
[0187] ?attributeStd_Accl298_Std_Mem40_MFCC_7 numeric
[0188] ?attributeStd_Accl298_Std_Mem40_MFCC_8 numeric
[0189] ?attributeStd_Accl298_Std_Mem40_MFCC_9 numeric
[0190] ?attributeStd_Accl298_Std_Mem40_MFCC_10 numeric
[0191] ?attributeStd_Accl298_Std_Mem40_MFCC_llnumeric
[0192] ?attributeStd_Accl298_Std_Mem40_MFCC_12 numeric
[0193] ?attributeBH_LowPeakAmpnumeric
[0194] ?attributeBH_LowPeakBPMnumeric
[0195] ?attributeBH-HighPeakAmpnumeric
[0196] ?attributeBH_HighPeakBPMnumeric
[0197] ?attributeBH_HighLowRationumeric
[0198] ?attributeBHSUM1 numeric
[0199] ?attributeBHSUM2 numeric
[0200] ?attributeBHSUM3 numeric
[0201] 使用ML-GKR進(jìn)行預(yù)測(cè)，L1-L6的標(biāo)簽分別是（0,0,0,0,0，1)，可以得出結(jié)論，該音 樂(lè)屬于L6 (生氣）。
[0202] 應(yīng)當(dāng)理解的是，本發(fā)明的上述【具體實(shí)施方式】?jī)H僅用于示例性說(shuō)明或解釋本發(fā)明 的原理，而不構(gòu)成對(duì)本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任 何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。此外，本發(fā)明所附權(quán)利要求 旨在涵蓋落入所附權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和 修改例。
【主權(quán)項(xiàng)】
1. 一種多標(biāo)簽分類(lèi)方法，其特征在于，所述方法包括： 步驟1，利用問(wèn)題轉(zhuǎn)換算法將多標(biāo)簽分類(lèi)問(wèn)題轉(zhuǎn)換成多個(gè)單標(biāo)簽分類(lèi)問(wèn)題； 步驟2,對(duì)于每個(gè)待預(yù)測(cè)的未標(biāo)簽實(shí)例X*，計(jì)算第j個(gè)預(yù)測(cè)實(shí)數(shù)值g，j = 1，…，q，q 為標(biāo)簽向量的維數(shù)； 步驟3,判斷每個(gè)待預(yù)測(cè)標(biāo)簽實(shí)例X*的第j個(gè)預(yù)測(cè)實(shí)數(shù)值7所屬類(lèi)別； 步驟4,綜合所有單標(biāo)簽完成多標(biāo)簽分類(lèi)。2. 如權(quán)利要求1所述的多標(biāo)簽分類(lèi)方法，其特征在于：步驟2中所述第j個(gè)預(yù)測(cè)實(shí)數(shù)值 I IXi-XiI I為兩個(gè)向量礦和 9 J Xi之間的距離，已知一組訓(xùn)練數(shù)據(jù)（X i，yi)，i = 1，…，N，Xi是第i個(gè)訓(xùn)練數(shù)據(jù)輸入，y肩 第i個(gè)訓(xùn)練數(shù)據(jù)的標(biāo)簽，b是輸入空間的長(zhǎng)度尺度。3. 如權(quán)利要求2所述的多標(biāo)簽分類(lèi)方法，其特征在于，所述兩個(gè)向量X #和X 間的距 離可以是歐氏距離、曼哈頓距離或馬氏距離。4. 如權(quán)利要求2所述的多標(biāo)簽分類(lèi)方法，對(duì)于每個(gè)待預(yù)測(cè)標(biāo)簽實(shí)例X*，第j個(gè)標(biāo)簽少；； 預(yù)測(cè)為： 、- O5. 如權(quán)利要求4所述的多標(biāo)簽分類(lèi)方法，其特征在于：如果:^ =+1 > X*屬于類(lèi)j，j = 1，·"，α，否則，如果·>0 =-1 X*不屬于類(lèi)j。6. 如權(quán)利要求1-5任一項(xiàng)所述的多標(biāo)簽分類(lèi)方法，其特征在于，所述問(wèn)題轉(zhuǎn)換算法是 BR算法。7. 如權(quán)利要求1-5任一項(xiàng)所述的多標(biāo)簽分類(lèi)方法，其特征在于： 所述步驟1具體為：利用問(wèn)題轉(zhuǎn)換算法將藥物的ATC分類(lèi)問(wèn)題轉(zhuǎn)換成多個(gè)ATC組別的 單標(biāo)簽分類(lèi)問(wèn)題； 所述步驟2具體為：根據(jù)待分類(lèi)藥物的藥物分子間交互特征、藥物分子間相似特征和 藥物分子指紋特征，計(jì)算第j個(gè)預(yù)測(cè)實(shí)數(shù)值7 j = 1，…，q，q為ATC組別個(gè)數(shù)； 9 所述步驟3具體為，判斷第j個(gè)預(yù)測(cè)實(shí)數(shù)值7所屬類(lèi)別； 所述步驟4具體為，綜合所有組別的單標(biāo)簽完成藥物的ATC分類(lèi)。8. 如權(quán)利要求1-5任一項(xiàng)所述的多標(biāo)簽分類(lèi)方法，其特征在于： 所述步驟1具體為：利用問(wèn)題轉(zhuǎn)換算法將音樂(lè)的情感分類(lèi)問(wèn)題轉(zhuǎn)換為多個(gè)情感類(lèi)別分 類(lèi)的單標(biāo)簽問(wèn)題； 所述步驟2具體為：根據(jù)待分類(lèi)的音樂(lè)的節(jié)奏特征和音色特征，計(jì)算第j個(gè)預(yù)測(cè)實(shí)數(shù)值 ·>0_ j = 1，···，q，q為音樂(lè)情感的類(lèi)別數(shù)； 9 所述步驟3具體為，判斷第j個(gè)預(yù)測(cè)實(shí)數(shù)值g所屬類(lèi)別； 所述步驟4具體為，綜合所有單標(biāo)簽完成音樂(lè)的情感分類(lèi)。9. 如權(quán)利要求7或8所述的多標(biāo)簽分類(lèi)方法，其特征在于，所述問(wèn)題轉(zhuǎn)換算法是BR算 法。10. -種多標(biāo)簽分類(lèi)裝置，其特征在于，所述裝置包括： 第一模塊，用于利用問(wèn)題轉(zhuǎn)換算法將多標(biāo)簽分類(lèi)問(wèn)題轉(zhuǎn)換成多個(gè)單標(biāo)簽分類(lèi)問(wèn)題； 第二模塊，用于對(duì)于每個(gè)待預(yù)測(cè)的未標(biāo)簽實(shí)例X*，計(jì)算第j個(gè)預(yù)測(cè)實(shí)數(shù)值j = 1，為標(biāo)簽向量的維數(shù)； 第三模塊，用于判斷每個(gè)待預(yù)測(cè)標(biāo)簽實(shí)例X*的第j個(gè)預(yù)測(cè)實(shí)數(shù)值7所屬類(lèi)別； 第四模塊，用于綜合所有單標(biāo)簽問(wèn)題完成多標(biāo)簽分類(lèi)。
【專利摘要】本發(fā)明公開(kāi)了一種多標(biāo)簽分類(lèi)方法及相應(yīng)裝置，該方法利用問(wèn)題轉(zhuǎn)換算法將多標(biāo)簽分類(lèi)問(wèn)題轉(zhuǎn)換成多個(gè)單標(biāo)簽分類(lèi)問(wèn)題；對(duì)于每個(gè)待預(yù)測(cè)的未標(biāo)簽實(shí)例X*，計(jì)算第j個(gè)預(yù)測(cè)實(shí)數(shù)值j＝1，…，q，q為標(biāo)簽向量的維數(shù)；判斷每個(gè)待預(yù)測(cè)標(biāo)簽實(shí)例X*的第j個(gè)預(yù)測(cè)實(shí)數(shù)值所屬類(lèi)別；綜合所有單標(biāo)簽完成多標(biāo)簽分類(lèi)。本發(fā)明提出的多標(biāo)簽分類(lèi)方法通過(guò)特定的技術(shù)手段，將待預(yù)測(cè)樣本標(biāo)簽進(jìn)行標(biāo)記，結(jié)果為與已知訓(xùn)練樣本的距離最接近的標(biāo)簽，而無(wú)需計(jì)算每個(gè)樣本之間的距離，運(yùn)算效率高于ML-KNN，可以應(yīng)用于大數(shù)據(jù)處理，可應(yīng)用于生物信息、文本分類(lèi)和音樂(lè)分類(lèi)等多標(biāo)簽分類(lèi)中。
【IPC分類(lèi)】G06K9/62
【公開(kāi)號(hào)】CN104899596
【申請(qǐng)?zhí)枴緾N201510114326
【發(fā)明人】程翔, 肖絢
【申請(qǐng)人】景德鎮(zhèn)陶瓷學(xué)院
【公開(kāi)日】2015年9月9日
【申請(qǐng)日】2015年3月16日