计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
9期
2609-2612
,共4页
王霄%周李威%陈耿%朱玉全
王霄%週李威%陳耿%硃玉全
왕소%주리위%진경%주옥전
多标签%标签相关性%kNN%二阶
多標籤%標籤相關性%kNN%二階
다표첨%표첨상관성%kNN%이계
multi-label%label correlation%kNN%second order
针对基于概率统计的ML-kNN算法只能对每个独立的标签进行分析,忽略了真实世界中标签间的相关性,提出了一种联系标签相关性的ML-kNN算法(S-ML-kNN).该方法对训练集进行扩展,并按照标签间的二阶组合来构造新的标签,融合了标签之间的相关性.实验结果表明,S-ML-kNN算法优于ML-kNN算法.
針對基于概率統計的ML-kNN算法隻能對每箇獨立的標籤進行分析,忽略瞭真實世界中標籤間的相關性,提齣瞭一種聯繫標籤相關性的ML-kNN算法(S-ML-kNN).該方法對訓練集進行擴展,併按照標籤間的二階組閤來構造新的標籤,融閤瞭標籤之間的相關性.實驗結果錶明,S-ML-kNN算法優于ML-kNN算法.
침대기우개솔통계적ML-kNN산법지능대매개독립적표첨진행분석,홀략료진실세계중표첨간적상관성,제출료일충련계표첨상관성적ML-kNN산법(S-ML-kNN).해방법대훈련집진행확전,병안조표첨간적이계조합래구조신적표첨,융합료표첨지간적상관성.실험결과표명,S-ML-kNN산법우우ML-kNN산법.
