基于转换策略的多标记学习改进算法

摘要：

针对传统转换多标记学习算法较难确定最低阈值的问题,该文对传统转换策略的多标记学习算法进行改进,提出了一种基于最低阈值的学习算法(TFEL),该方法根据类别标记学习为每个类别得到一个最低阈值.当分类器将一个测试示例预测为某个类别标记的分值大于为该类别标记学得的最低阈值时,则将该类别标记添加到该测试示例的最终分类结果中.实验结果表明,TFEL方法能够得到较好的分类效果,证明了该方法的可行性和有效性.

关键词：多标记学习、最低阈值、转换策略、分类

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-129