聂、余；廖向文；魏晶晶；杨丁达；陈国龙 基于深度自动编码器的多标签分类。 （中文。英文摘要） Zbl 1438.68110号 J.广西标准。大学，自然科学。 37，第1期，第71-79页（2019年）. 摘要：对于多标签分类问题，现有的大多数方法只考虑邻域信息，忽略了结构相似性，导致分类精度低。因此，本文提出了一种用于多标签分类的深度自动编码器。为了捕获全局网络结构，该方法使用轨道计数算法（Orca）计算每个节点的结构相似性，这是潜在空间中表示的输入信息。然后，通过联合优化模型中的全局结构和邻域结构，可以很好地保持高非线性网络结构。最后，根据从潜在空间中获得的节点向量，使用支持向量机对节点进行分类。使用三个真实世界的网络进行了实验，结果表明，新模型在多标签分类方面优于现有方法。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：多标签分类；网络嵌入；结构相似性；深度自动编码器 PDF格式BibTeX公司 XML格式引用 \textit{Y.Nie}等，《广西常模》。大学，自然科学。37，编号1，71-79（2019；Zbl 1438.68110） 全文： 内政部