10.3969/j.issn.1006-2475.2016.03.004
一种基于成对标签的Rakel算法改进
Rakel(Random k-labelsets)算法从原始标签集中随机选择一部分标签子集,并且使用LP(Label Powerset)算法训练相应的多标签子分类器.由于随机选择标签的原因,导致LP子分类器预测性能不好.本文基于标签的共现关系选择成对标签来训练LP分类器,提出PwRakel(Pairwise Random k-labelsets)算法.该算法通过挖掘标签相关性扩展训练集,有效提高分类性能.实验结果表明,所提出的算法与Rakel算法以及其他算法对比,分类准确度更高.
多标签分类、标签相关性、PwRakel
TP181(自动化基础理论)
浙江省自然科学基金资助项目y1100169
2016-05-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
16-18,23