基于多值分解和多类标学习的分类框架设计

• 作者: 沈良忠 胡捷臻 陈胜凯
• 来源期刊: 计算机系统应用
• 学科: 工学
• 关键词: 分类 多值属性分解 多类标数据 数据转化
• 年，卷（期）: 2010,（10）
• 页码范围: 187-190,22
• 分类号: TP3
• 字数: 3957字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2010.10.039

摘要

多值多类标的数据分类是研究一个样本不但同时属于多个类别,而且在某些属性下也可能存在多个取值的问题.提出了一种结合多值分解和多类标学习的多值多类标分类框架(MDML),采用4种不同的多值分解策略,将问题转化为多类标问题,然后利用3种经典的多类标算法进行学习.实验结果表明,MDML与已有的多值多类标决策树算法相比,有效地提高了分类的性能,而且不同的组合方法适用于不同特点的数据集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈胜凯	温州大学城市学院	13	67	4.0	8.0
2	沈良忠	温州大学城市学院	21	66	5.0	7.0
3	胡捷臻	温州大学城市学院	2	8	1.0	2.0