用于多标记学习的K近邻改进算法

• 作者: 张化祥 张顺
• 来源期刊: 计算机应用研究
• 关键词: 分类 K近邻 取样 多标记学习
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4445-4446,4450
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.12.011

摘要

ML-KNN是应用KNN算法思想解决多标记学习问题的一种算法,但存在时间复杂度高和少数类分类精度低的问题.提出一种加权ML-KNN算法WML-KNN,通过取样和加权的方法,在降低算法时间复杂度的同时提高少数类的分类精度.实验表明,WML-KNN算法性能优于其他常用多标记算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张化祥	山东师范大学信息科学与工程学院山东省分布式计算机软件新技术重点实验室	73	576	14.0	19.0
2	张顺	山东师范大学信息科学与工程学院山东省分布式计算机软件新技术重点实验室	4	23	2.0	4.0