基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种多标记学习阈值确定算法(DTML),为每个类别标记确定一个阈值.当分类器将一个测试示例预测为某个类别标记的分值大于该类别标记的阈值时,则将该类别标记添加到该测试示例的最终分类结果中.该算法采用编程实现,并将其应用于PT5 方法和TML算法.实验结果表明,利用DTML 算法为多标记学习算法确定阈值,能够得到较好的分类效果.
推荐文章
用于多标记学习的K近邻改进算法
分类
K近邻
取样
多标记学习
用于多标记学习的局部顺序分类器链算法
多标记学习
标记相关性
分类器链
K-近邻
多标记学习研究综述
多标记学习
机器学习
问题转换
算法改进
评估措施
基于GEP多标记学习的图像超分辨率复原算法
超分辨率复原
基因表达式编程
支持向量机
样本学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用于多标记学习的阈值确定算法
来源期刊 计算机工程 学科 工学
关键词 数据挖掘 多标记学习 阈值确定
年,卷(期) 2010,(21) 所属期刊栏目
研究方向 页码范围 214-216
页数 分类号 TP301.6
字数 2656字 语种 中文
DOI 10.3969/j.issn.1000-3428.2010.21.077
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 秦锋 安徽工业大学计算机学院 81 783 15.0 25.0
2 程泽凯 安徽工业大学计算机学院 51 532 9.0 22.0
3 黄俊 安徽工业大学计算机学院 7 27 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (6)
同被引文献  (2)
二级引证文献  (3)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据挖掘
多标记学习
阈值确定
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导