计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
22期
167-170,175
,共5页
多标签学习%粒计算%K近邻%粒度%评价指标
多標籤學習%粒計算%K近鄰%粒度%評價指標
다표첨학습%립계산%K근린%립도%평개지표
K近邻多标签学习算法的近邻点个数取固定值,而没有考虑样本分布的特点,可能会将相似度高的点排除在近邻集外,或者将相似度低的点包含在近邻集内,影响分类器的性能.为此,将粒计算的思想引入近邻集的构建,提出一种新的K近邻多标签学习算法.通过粒度控制,确定近邻点集,使得领域内的样本点有高相似性,且此类样本能进入近邻集.实验结果表明,该算法的大多数评价指标均优于现有的多标签学习算法.
K近鄰多標籤學習算法的近鄰點箇數取固定值,而沒有攷慮樣本分佈的特點,可能會將相似度高的點排除在近鄰集外,或者將相似度低的點包含在近鄰集內,影響分類器的性能.為此,將粒計算的思想引入近鄰集的構建,提齣一種新的K近鄰多標籤學習算法.通過粒度控製,確定近鄰點集,使得領域內的樣本點有高相似性,且此類樣本能進入近鄰集.實驗結果錶明,該算法的大多數評價指標均優于現有的多標籤學習算法.
K근린다표첨학습산법적근린점개수취고정치,이몰유고필양본분포적특점,가능회장상사도고적점배제재근린집외,혹자장상사도저적점포함재근린집내,영향분류기적성능.위차,장립계산적사상인입근린집적구건,제출일충신적K근린다표첨학습산법.통과립도공제,학정근린점집,사득영역내적양본점유고상사성,차차류양본능진입근린집.실험결과표명,해산법적대다수평개지표균우우현유적다표첨학습산법.