-
题名用于多标记学习的局部顺序分类器链算法
被引量:3
- 1
-
-
作者
邱继钊
计华
张化祥
-
机构
山东师范大学信息科学与工程学院
山东省分布式计算机软件新技术重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2013年第9期2606-2609,共4页
-
基金
国家自然科学基金资助项目(61170145)
国家教育部高等学校博士点专项基金资助项目(20113704110001)
+3 种基金
山东省自然科学基金
科技攻关计划资助项目(ZR2010FM021
2008B0026
2010G0020115)
-
文摘
标记间的相关性在分类问题中具有重要作用,目前有研究将标记相关性引入多标记学习,通过分类器链的形式将标记结果引入属性空间,为学习其他标记提供有用信息。分类器链中标记的预测顺序具有随机性,分类结果存在着很大的不确定性与不稳定性,且容易造成错误信息的传播。为此充分考虑标记的局部分布特性,提出了一种局部顺序分类器链算法,解决分类器链中分类器顺序问题。实验表明,该算法性能优于其他常用多标记学习算法。
-
关键词
多标记学习
标记相关性
分类器链
K-近邻
-
Keywords
multi-label learning
label correlation
classifier chains
K-NN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于标记特征的多标记学习改进算法
被引量:1
- 2
-
-
作者
邱继钊
计华
张化祥
-
机构
山东师范大学信息科学与工程学院
山东省分布式计算机软件新技术重点实验室
-
出处
《计算机工程与应用》
CSCD
2013年第22期163-166,共4页
-
基金
国家自然科学基金(No.61170145)
教育部高等学校博士点专项基金(No.20113704110001)
+3 种基金
山东省自然科学基金和科技攻关计划项目(No.ZR2010FM021
No.2008B0026
No.2010G0020115)
山东省分布式新技术重点实验室的资助
-
文摘
基于标记特征的多标记分类算法通过对标记的正反样例集合进行聚类,计算样例与聚类中心间的距离构造样例针对标记的特征子集,并生成新的训练集,在新的训练集上利用传统的二分类器进行分类。算法在构造特征子集的过程中采用等权重方式,忽略了样例之间的相关性。提出了一种改进的多标记分类算法,通过加权方式使生成的特征子集更加准确,有助于提高样例的分类精度。实验表明改进的算法性能优于其他常用的多标记分类算法。
-
关键词
分类
聚类中心
加权
多标记学习
-
Keywords
classification
clustering center
weighting
multi-label learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-