作者:
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:
为克服ML-KNN在分类效率方面的局限性,提出了一种基于KNN的快速多标签数据分类算法FKMC,利用待分类实例的K个最近邻的局部信息进行排序分类.从已分类数据实例集中选择待分类数据实例的K个最近邻;根据每个最近邻拥有的标签数和每个标签归属的最近邻数对待分类实例进行排序分类.仿真结果表明,最近邻的选择方法对分类器性能有显著的影响;在分类效果上FKMC与ML-KNN相当,有时甚至优于后者;而在分类效率上FKMC则显著优于ML-KNN.
推荐文章
基于多稀疏分布特征和最近邻分类的物体识别方法
物体识别
稀疏表示
最近邻距离
梯度
街区距离
基于标签相似度的不良信息多标签分类方法
多标签分类
标签之间的相关关系
不良信息
中心标签
标签相似度系数矩阵
基于最近邻距离权重的ML-KNN算法
多标签分类
ML-KNN
聚类
最近邻
距离权重
标签相关的多标签分类算法
离散化
贝叶斯网
朴素贝叶斯分类器
多标签学习
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 利用最近邻信息快速分类多标签数据
来源期刊 计算机工程与应用 学科 工学
关键词 最近邻 快速分类 多标签数据 快速多标签数据分类算法(FKMC)
年,卷(期) 2011,(32) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 138-140,190
页数 分类号 TP181
字数 3312字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.32.040
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 田庆 西北工业大学管理学院 3 45 3.0 3.0
2 乔健 西北工业大学管理学院 8 21 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (4)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (15)
二级引证文献  (6)
1968(1)
  • 参考文献(1)
  • 二级参考文献(0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 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)
2013(5)
  • 引证文献(5)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
最近邻
快速分类
多标签数据
快速多标签数据分类算法(FKMC)
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导