針對(duì)多標(biāo)記數(shù)據(jù)特征提取方法中輸出核函數(shù)沒有準(zhǔn)確刻畫標(biāo)記間的相關(guān)性的問題，在充分度量標(biāo)記間相關(guān)性的基礎(chǔ)上，提出了兩種新的輸出核函數(shù)構(gòu)造方法。第一種方法首先將多標(biāo)記數(shù)據(jù)轉(zhuǎn)化為單標(biāo)記數(shù)據(jù)，并使用標(biāo)記集合來刻畫標(biāo)記間的相關(guān)性；然后從損失函數(shù)的角度出發(fā)定義新的輸出核函數(shù)。第二種方法是利用互信息來度量標(biāo)記間的兩兩相關(guān)性，在此基礎(chǔ)上進(jìn)一步構(gòu)造新的輸出核函數(shù)。3個(gè)多標(biāo)記數(shù)據(jù)集上2種分類器的實(shí)驗(yàn)結(jié)果表明，與原有核函數(shù)對(duì)應(yīng)的多標(biāo)記特征提取方法相比，基于損失函數(shù)的輸出核函數(shù)對(duì)應(yīng)的特征提取方法性能最好，5個(gè)評(píng)價(jià)指標(biāo)的性能平均提高了10%左右，尤其在Yeast數(shù)據(jù)集上，Coverage指標(biāo)下降幅度達(dá)到了30%左右；基于互信息的輸出核函數(shù)次之，性能平均提高了5%左右。實(shí)驗(yàn)結(jié)果表明，基于新的輸出核函數(shù)的特征提取方法能夠更加有效地提取特征，并進(jìn)一步簡(jiǎn)化分類器的學(xué)習(xí)過程，提高分類器的泛化性能。