10.3969/j.issn.1002-137X.2014.02.027
基于局部近邻相关性的多标记算法
通过近邻样例类标记确定测试样例类标记的思想在多标记分类算法中取得了良好的效果.该类算法通过对训练集进行学习,建立训练样例类标记与其k个近邻样例中不同类标记样例个数的映射关系,然后用该映射关系预测测试样例的类标记.该类算法的不足是只考虑近邻样例中不同类别样例的个数与测试样例类标记的映射关系,忽略了近邻样例与测试样例的局部相关性.考虑训练样例类与近邻样例的局部相关性,建立起它们类别间的映射关系,预测测试样例类标记,提出ML-WKNN算法.实验表明,ML-WKNN能更好地处理多标记分类问题和自动图像标注问题.
多标记学习、k近邻、分类、局部相关
41
TP181(自动化基础理论)
国家自然科学基金61170145;教育部高等学校博士点专项基金20113704110001;山东省自然科学基金和科技攻关计划项目ZR2010FM021,2010G0020115
2014-03-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
123-126