木兰

MULAN:一个用于多标签学习的Java库。MULAN是一个用于从多标签数据学习的Java库。它提供了各种分类、排序、阈值和降维算法,以及从层次结构的标签中学习的算法。此外,它还包含一个评估框架,用于计算各种各样的性能度量。


zbMATH中的参考文献(参考文献63条)

显示第1到第20个结果,共63个。
按年份排序(引用)
  1. 车,小雅;陈德刚;米菊生:一种新的标签相关性学习方法及其在多标签数据特征选择中的应用(2020)
  2. 郑俊勇;康、菊石;Jun,Chi Hyuck:基于正则化的多输出回归模型树(2020)
  3. 科切夫,德拉吉;塞西,米开朗基罗;Stepišnik,Tomaž:用于预测结构化输出的极端随机预测聚类树集合(2020)
  4. 里沃利,阿德里亚诺;读吧,杰西;苏亚雷斯,卡洛斯;伯哈德,普法林格;de Carvalho,AndréC.P.L.F.:用于多标签学习的二进制转换策略和基本算法的实证分析(2020)
  5. 斯拉夫斯基,马丁;本大卫,伊曼纽尔;李平:具有稀疏不匹配数据的多元线性回归的两阶段方法(2020)
  6. 谭志浩;谭鹏;姜元;周志华:多标签最优利润分配机(2020)
  7. 吴国强;郑若冰;田英杰;刘,大连:联合排序支持向量机和鲁棒低秩学习的二元相关多标签分类(2020)
  8. 杨波;佟坤坤;赵雪青;彭尚敏;陈金光:基于低秩分解的多标签分类(2020)
  9. 朱红民;黄光豪;林宣田:成本敏感线上多标签分类的动态主投影(2019)
  10. 行,金;特兰,特鲁延;阮,瘦;学习方式:多注意事项图(2019)
  11. 黄俊;秦、凤;郑、肖;郑泽凯;袁志祥;张伟刚;黄清明:通过学习标签特定特征改进多标签分类(2019)
  12. 黄明;壮族,福珍;张晓;敖,香;牛振宇;张敏玲;何青:多标签分类的监督表征学习(2019)
  13. 西曼斯基,皮奥特;Kajdanowicz,Tomasz:scikitmultilearn:一个基于scikit的Python环境,用于执行多标签分类(2019)
  14. 阿德里亚诺·里沃利;Andre C.P.L.F.de Carvalho:utiml包:R中的多标签分类(2018)不是zbMATH
  15. Francisco Charte,Antonio J.Rivera,David Charte,María J.del Jesus,Francisco Herrera:管理多标签数据集的提示、指南和工具:mldr.datasets R包和Cometa数据存储库(2018)阿尔十四
  16. 李,根;Gaynanova,Irina:异构数据关联分析的通用框架(2018)
  17. 马江红;Chow,Tommy W.S.:带缺失标签的半监督多标签学习的鲁棒非负稀疏图(2018)
  18. 康斯坦丁诺斯公司;盖尔斯,皮埃尔;Vens,Celine:用于交互预测的全球多输出决策树(2018)
  19. 魏,童;郭兰哲;李玉凤;高伟:学习弱标记数据的安全多标签预测(2018)
  20. 杨卓然;宁、杨;Liu,Han:半参数指数族图形模型(2018)