利用不足的原始类结构可以帮助基于ECOC的多类分类吗？

纠错输出代码（ECOC）是通过组合多个二进制子问题来解决多类分类问题的流行框架。 在每个二进制子问题中，至少一个类实际上是由多个原始类组成的“元类”，并且在学习过程中被视为单个类。 这种策略带来了多类分类的简单而通用的实现，但是同时导致了单个原始类中已经提供的结构知识的开发不足。 在本文中，我们提出了一种新的方法，以证明利用此类先有结构知识可以进一步增强ECOC的性能，并且分别在聚类假设和多方面假设下构造结构知识。 最后，我们在玩具和真实基准数据集（UCI，面部识别和目标类别）上验证了我们的方法，从而验证了基于ECOC的多类别分类的各个原始类别的结构知识。