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:
多标记分类问题需要为每个实例分配多个标记.常见的多标记分类方法主要分为算法转换法和问题转换法两类.合理利用标记间的依赖关系是提升多标记分类性能的关键.在该文中,作者从不同的问题转化方法的角度,将标记间依赖关系的利用方法分为标记分组法和属性空间扩展法两种.作者发现,对于属性空间扩展法,普遍存在的难题在于如何对标记间的依赖关系进行准确度量,并选择合适的标记集合加入到属性空间中.在此基础上,作者提出了一种基于ReliefF剪枝的多标记分类算法(ReliefF based Stacking,RFS).算法从属性选择的角度,利用ReliefF方法对标记间的依赖关系进行度量,进而选择依赖关系较强的标记加入到原始属性空间中.在9个多标记基准数据集上的实验结果显示,RFS算法相较于当下流行的多标记分类算法具有较为明显的优势.
推荐文章
样本稀疏表达的标记分布学习算法
标记分布学习
稀疏表达
最大熵模型
基于嵌入式特征提取的多标记分类算法
多标记学习
非负矩阵分解
特征提取
降维
乘性迭代
特征转换
基于改进卷积神经网络的多标记分类算法
多标记学习
卷积神经网络
迁移学习
全连接层
特征表达
多标记分类
深度学习
损失函数
考虑标记间依赖关系的多标记分类算法
数据挖掘
分类
多标记
依赖关系
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 基于ReliefF剪枝的多标记分类算法
来源期刊 计算机学报 学科 工学
关键词 多标记分类 标记间依赖关系 属性选择 ReliefF Stacking算法
年,卷(期) 2019,(3) 所属期刊栏目 人工智能
研究方向 页码范围 483-496
页数 14页 分类号 TP301
字数 12646字 语种 中文
DOI 10.11897/SP.J.1016.2019.00483
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 王志海 北京交通大学计算机与信息技术学院 64 491 11.0 20.0
2 刘海洋 北京交通大学计算机与信息技术学院 6 31 3.0 5.0
3 张志东 北京交通大学计算机与信息技术学院 1 1 1.0 1.0
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  (11)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多标记分类
标记间依赖关系
属性选择
ReliefF
Stacking算法
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
计算机学报
月刊
0254-4164
11-1826/TP
大16开
中国科学院计算技术研究所(北京2704信箱)
2-833
1978
chi
出版文献量(篇)
5154
总下载数(次)
49
相关基金
北京市自然科学基金
英文译名:Natural Science Foundation of Beijing Province
官方网址:http://210.76.125.39/zrjjh/zrjj/
项目类型:重大项目
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导