ML-KNN公司

多标签学习法。多标签学习起源于对文本分类问题的研究,其中每个文档可以同时属于多个预定义的主题。通过训练集合中的标签实例,对训练集合中的多个标签实例进行训练,并对训练样本集进行训练。本文在传统的K-最近邻(KNN)算法的基础上,提出了一种多标签懒惰学习方法ML-KNN。具体来说,对于每一个不可见的实例,首先确定其在训练集中的K个最近邻。然后,根据从这些相邻实例的标签集中获得的统计信息,即属于每个可能类的相邻实例的数量,利用最大后验概率(MAP)原理来确定不可见实例的标签集。在酵母基因功能分析、自然场景分类和网页自动分类三种不同的现实世界多标签学习问题上的实验表明,ML-KNN比已有的多标签学习算法具有更好的性能。


zbMATH参考文献(52篇文章引用)

显示第1到第20个结果,共52个。
按年份排序(引用)
  1. Afridi,Mohammad Khan;Azam,Nouman;Yao,JingTao:用于处理重叠聚类的基于方差的三向聚类方法(2020)
  2. Do,Kien;Tran,Truyen;Nguyen,Thin;Venkatesh,Svetha:图上的注意力多标签学习:信息传递方法(2019)
  3. Sadinle,Mauricio;Lei,Jing;Wasserman,Larry:具有有界误差水平的最小模糊集值分类器(2019)
  4. 沈一楠;唐继军;郭飞:结合进化和理化信息识别蛋白质亚细胞定位(2019)
  5. Szymanèski,Piotr;Kajdanowicz,Tomasz:scikit multilearn:一个用于执行多标签分类的基于scikit的Python环境(2019)
  6. Fulikos,Konstantinos;Geurts,Pierre;Vens,Celine:用于交互预测的全球多输出决策树(2018)
  7. 魏彤;郭兰哲;李玉凤;高伟:弱标记数据的安全多标签预测(2018)
  8. 张元健;苗,多健;张志飞;徐剑峰;罗生:多标签分类的三向选择集成模型(2018)
  9. Mena,Deiner;Montañes,Elena;Quevedo,JoséRamón;del Coz,Juan José:在概率分类器链中执行推理的容许启发式算法家族(2017)
  10. 吴玉平;林,田萱:成本敏感多标签分类的渐进随机(k)标签集(2017)
  11. Díez,Jorge;del Coz,Juan José;Luaces,Oscar;Bahamonde,Antonio:在多标签分类中使用张量积检测无条件标签依赖(2016)
  12. Ghouti,Lahouari:一种新的基于核的多标签数据集分类算法(2016)
  13. Varando,Gherardo;Bielza,Concha;Larrañaga,Pedro:基于贝叶斯网络的多标签分类的链分类器决策函数(2016)
  14. 徐建华:带随机块坐标下降法的多标签拉格朗日支持向量机(2016)
  15. Leurcharusmee,Supanika;Sirisrisakulchai,Jirakom;Sriboonchitta,Songsak;Denoeux,Thierry:多标签选择问题的分类器链广义最大熵模型(2015)
  16. Cobo,Luis C.;Subramanian,Kaushik;Isbell,Charles L.jun;Lanterman,Aaron D.;Thomaz,Andrea L.:高维领域有效强化学习的演示抽象(2014)
  17. 威勒姆·韦格曼;德姆钦斯基,克兹什托夫;雅克尼克,阿卡迪乌斯;程,魏伟;Hüllermeier,Eyke:关于F-测度最大化者的Bayes最优性(2014)
  18. Barranquero,Jose;González,Pablo;Díez,Jorge;Del Coz,Juan Jose:关于二进制问题中流行率估计的最近邻算法研究(2013)
  19. 高伟;周志华:论多标签学习的一致性(2013)
  20. 刘华文;郑中龙;赵建民;叶荣华:高维多标签数据的集成方法(2013)