دسته بندي داده هاي چند برچسبي با استفاده از وابستگي بين كلاس ها و تخمين تعداد برچسب ها

با افزايش حجم داده ها نياز به دسته بندي و تحليل داده ها به صورت خودكار، از جايگاه ويژه اي بر خوردار شده است. در اين مقاله به دسته بندي داده هاي چند برچسبي خواهيم پرداخت. داده هاي چند برچسبي داده هايي هستند كه در آن ها نمونه ها مي توانند بيش از يك برچسب داشته باشند. به عبارت ديگر هر نمونه توسط يك بردار از برچسب ها نمايش داده مي شود. در اين مقاله يك روش مبتني بر نزديك ترين همسايگي براي دسته بندي داده هاي چند برچسبي پيشنهاد شده است. در روش ارائه شده نخست تعداد برچسب ها براي هر نمونه جديد تخمين زده مي شود و سپس براي هر نمونه جديد، با استفاده از ارتباط و وابستگي بين برچسب ها، برچسب هاي آن را پيش بيني مي گردد. در اين مقاله از دسته بند نزديك ترين همسايگي به عنوان دسته بند پايه استفاده شده است اما با اين تفاوت كه براي محاسبه فاصله بين نمونه ها از معيار فاصله اقليدسي استفاده نمي شود. با ارزيابي روش پشنهادي بر روي مجموعه داده هاي موجود در حوزه داده هاي چند برچسبي و مقايسه آن با ديگر روش هاي مطرح در اين زمينه، نشان داده مي شود كه روش پيشنهادي در مقايسه با روش هاي ديگر در پيش بيني برچسب هاي نمونه هاي جديد، از لحاظ پيچيدگي زماني و دقت از كارايي بهتري برخوردار است