原文服务方: 计算机应用研究       
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.
推荐文章
基于PCA改进算法的k近邻多标签学习
k近邻多标签学习算法
信息损耗率
主成分分析法
属性重要度
基于改进K近邻算法的船舶通航环境智能识别
通航环境
K均值聚类
K近邻算法
智能识别
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
基于多K最近邻回归算法的软测量模型
多K最近邻
高斯过程
K最近邻
软测量模型
自适应仿射传播聚类
主元回归
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K近邻改进算法
来源期刊 计算机应用研究 学科
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
研究方向 页码范围 4445-4446,4450
页数 分类号 TP391.4
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.12.011
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 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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (20)
同被引文献  (41)
二级引证文献  (83)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(4)
  • 引证文献(3)
  • 二级引证文献(1)
2016(10)
  • 引证文献(6)
  • 二级引证文献(4)
2017(14)
  • 引证文献(2)
  • 二级引证文献(12)
2018(27)
  • 引证文献(1)
  • 二级引证文献(26)
2019(37)
  • 引证文献(3)
  • 二级引证文献(34)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
分类
K近邻
取样
多标记学习
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导