Multi-Label Takagi-Sugeno-Kang Fuzzy System

要約

マルチラベル分類により、特定のラベルのセットからインスタンスの関連ラベルを効果的に識別できます。
ただし、特徴とラベルの間の関係のモデリングは、分類パフォーマンスにとって重要です。
この目的を達成するために、我々は、分類性能を向上させるために、マルチラベル高木・菅野・康ファジィシステム（ML-TSK FS）と呼ばれる新しいマルチラベル分類法を提案する。
ML-TSK FS の構造は、ファジー ルールを使用して特徴とラベルの間の関係をモデル化するように設計されています。
ファジー システムは、ファジー推論に基づくマルチラベル相関学習とマルチラベル回帰損失を統合することによってトレーニングされます。
提案された ML-TSK FS は、12 のベンチマーク マルチラベル データセットで実験的に評価されます。
1 結果は、ML-TSK FS のパフォーマンスがさまざまな評価指標の点で既存の手法と競合していることを示しており、ファジィ推論ルールを使用して特徴とラベルの関係を効果的にモデル化でき、分類パフォーマンスが向上していることを示しています。

要約(オリジナル)

Multi-label classification can effectively identify the relevant labels of an instance from a given set of labels. However,the modeling of the relationship between the features and the labels is critical to the classification performance. To this end, we propose a new multi-label classification method, called Multi-Label Takagi-Sugeno-Kang Fuzzy System (ML-TSK FS), to improve the classification performance. The structure of ML-TSK FS is designed using fuzzy rules to model the relationship between features and labels. The fuzzy system is trained by integrating fuzzy inference based multi-label correlation learning with multi-label regression loss. The proposed ML-TSK FS is evaluated experimentally on 12 benchmark multi-label datasets. 1 The results show that the performance of ML-TSK FS is competitive with existing methods in terms of various evaluation metrics, indicating that it is able to model the feature-label relationship effectively using fuzzy inference rules and enhances the classification performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google