基于PCA改进算法的k近邻多标签学习

• 作者: 魏恩营
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 5-7
• 页数: 3页
• 分类号: TP301
• 字数: 2522字
• 语种: 中文
• DOI: 10.11907/rjdk.1511512

摘要

k近邻多标签学习算法是多标签学习领域经典算法之一,为处理多标签问题提供了新思想.将PCA改进算法应用到k近邻多标签学习算法中,提出信息损耗率,并实现动态降维;根据PCA算法计算样本的属性重要度;采用属性重要度作为权重改进距离计算方法.与已有多标签学习算法相比,该算法各评价指标明显优于已有算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏恩营	闽南师范大学福建省粒计算重点实验室	1	1	1.0	1.0