基于核、正则化与多目标优化技术的多标签分类算法及其应用研究

多标签问题是指样本可以同时属于不分主次的多个类别（标签）的模式分类问题，其训练样本集包含着样本向量之间的相关信息、样本向量与标签之间的一对多映射关系及标签之间的相关信息。如何充分利用这些信息是设计新多标签分类算法的关键之处。本项目将这些信息表述成多个优化目标与约束条件，并与正则化技术与核技巧相结合，从多目标优化的角度设计新的多标签分类算法。用三个可微目标函数和线性约束条件构造多目标二次规划问题，在组合成单目标优化问题后转化为对偶形式，建立二次规划形式的多目标多标签算法。利用多目标进化算法同时优化四个目标函数，集成其Pareto最优解集对应的多个分类器，构建基于多目标进化技术的多标签集成算法。以microRNA前体识别为应用对象，建立多标签设置下的计算识别模型，综合利用比较基因组方法和单物种判别模型的优点。本项目的研究将使我们更好地理解和处理多标签问题，对发展模式识别理论和应用具有重要意义。