دسته بندی داده های چند برچسبی با استفاده از وابستگی بین کلاس ها و تخمین تعداد برچسب ها

با افزایش حجم داده ها نیاز به دسته بندی و تحلیل داده ها به صورت خودکار، از جایگاه ویژه ای بر خوردار شده است. در این مقاله به دسته بندی داده های چند برچسبی خواهیم پرداخت. داده های چند برچسبی داده هایی هستند که در آن ها نمونه ها می توانند بیش از یک برچسب داشته باشند. به عبارت دیگر هر نمونه توسط یک بردار از برچسب ها نمایش داده می شود. در این مقاله یک روش مبتنی بر نزدیک ترین همسایگی برای دسته بندی داده های چند برچسبی پیشنهاد شده است. در روش ارائه شده نخست تعداد برچسب ها برای هر نمونه جدید تخمین زده می شود و سپس برای هر نمونه جدید، با استفاده از ارتباط و وابستگی بین برچسب ها، برچسب های آن را پیش بینی می گردد. در این مقاله از دسته بند نزدیک ترین همسایگی به عنوان دسته بند پایه استفاده شده است اما با این تفاوت که برای محاسبه فاصله بین نمونه ها از معیار فاصله اقلیدسی استفاده نمی شود. با ارزیابی روش پشنهادی بر روی مجموعه داده های موجود در حوزه داده های چند برچسبی و مقایسه آن با دیگر روش های مطرح در این زمینه، نشان داده می شود که روش پیشنهادی در مقایسه با روش های دیگر در پیش بینی برچسب های نمونه های جدید، از لحاظ پیچیدگی زمانی و دقت از کارایی بهتری برخوردار است