摘要：本文提出一种新颖的方法进行多标签分类,实现过程中所涉及的主要步骤有确定数据集,利用字典学习对所述数据集进行学习得到各个样本的稀疏编码,然后经二次投影得到分析字典,结合SVM分类器得到目标优化问题。实验结果表明,该方法具有很好的分类效果。1相关概述随着大数据时代的兴起,机器学习以及数据挖掘领域发展迅速,其中分类问题是机器学习领域的重要研究课题之一。分类问题从本质上来说其实是样本归类,主要有单标签分类和多标签分类两种。通常情况下,在我们的学习过程中,主要单标签分类问题为主,然而在实际生活中我们会遇到非常普遍且复杂的多标签分类问题。使得广大学者对这类问题具有浓厚的兴趣,并将多标签分类应用在图片、音乐及文本分类等各个领域。同时除了可以应用在以上这些领域,在推荐系统领域也有突出的表现,因此基于多标签分类问题的研究具有重要的应用价值。

关键词：多标签分类 字典学习 svm分类器 机器学习 数据挖掘 

单位：广东工业大学自动化学院