[发明专利]一种处理特征和标记同时缺失的多标记分类方法

权利要求书

1.一种处理特征和标记同时缺失的多标记分类方法，其特征在于，其步骤为：

S1、对训练数据进行特征提取，获得特征表示矩阵X；并对训练数据进行类别标记，获得类别标记矩阵Y，矩阵X和Y中均存在缺失值；

S2、将特征表示矩阵X分解为低维特征表示矩阵C和低维特征表示空间与原始特征表示空间相关联的系数矩阵D；同时将类别标记矩阵Y分解为低秩类别标记矩阵Y_r与尾标记矩阵Y_s；对Y_r进行分解，得到低维类别标记矩阵U；初始化尾标记矩阵Y_s；利用上述矩阵恢复训练数据中的缺失值；

S3、利用矩阵补全技术初步恢复特征表示矩阵X，得到实例相似性矩阵S；利用标记相关性重新构建缺失标记，初步恢复类别标记矩阵Y，得到标记相关性矩阵G；并计算矩阵S和矩阵G的拉普拉斯矩阵；

S4、分别构建低维特征表示矩阵C映射到低秩类别标记矩阵Y_r以及低维特征表示矩阵C映射到尾标记矩阵Y_s的线性模型，作为分类器；

S5、利用流形正则技术约束相关特征以及相关类别标记的相似性；

S6、利用步骤S5中优化目标获得的结果更新特征表示矩阵X以及类别标记矩阵Y，补全缺失特征和缺失标记；

S7、给定一个测试实例m，利用一个低维映射矩阵P，将mP带入上述学习得到的最终分类模型，从而输出测试实例的分类结果。

2.根据权利要求1所述的一种处理特征和标记同时缺失的多标记分类方法，其特征在于：所述的步骤S1中，获得的含有缺失值的特征表示矩阵X为实数矩阵其中，n表示实例个数，d表示特征个数，表示实数域，并用Ω表示观察到的特征表示矩阵X中的元素的索引集合；Y∈{0，1}^n×q是特征表示矩阵X对应的含有缺失值的类别标记矩阵，q表示类别标记个数；其中，y_ij表示类别标记矩阵Y中的第i行第j列的元素，y_ij＝1表示第i个实例被标注为第j个类别标记，y_ij＝0表示第i个实例没有被标注为第j个类别标记，或第i个实例的第j个类别标记没有被观测到，即缺失，其中i＝1，2，...，n，j＝1，2，...，q。

3.根据权利要求2所述的一种处理特征和标记同时缺失的多标记分类方法，其特征在于：所述的步骤S2中，特征表示矩阵X分解为低维特征表示矩阵和表示低维特征空间与原始特征表示空间相关联的系数矩阵即X＝CD；类别标记矩阵Y分解为低秩类别标记矩阵Y_r和尾标记矩阵Y_s，即Y＝Y_r+Y_s；再将低秩类别标记矩阵Y_r分解为低维类别标记矩阵和表示低维类别标记空间与原始类别标记空间相关联的系数矩阵即Y_r＝UV；设定为稀疏的，将其初始化为0；综合上述矩阵，得到最小化目标公式(1)，以恢复训练数据中的缺失值；

式(1)中，C、D、U、V、Y_s为待求解模型参数，λ₁、λ₂和λ₄均为非负权重系数，取值域为{10^-5，10^-4，...，10²，10³}。