-
题名基于粒计算的多标签懒惰学习算法
被引量：2
- 1
-
-
作者
赵海峰
余强
曹俞旦
-
机构
安徽大学计算机科学与技术学院
安徽省工业图像处理与分析重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2014年第12期160-163,共4页
-
基金
国家自然科学基金项目(61272152
61202228)
+1 种基金
安徽省自然科学基金项目(1208085MF109)
2013留学人员科技活动择优资助项目资助
-
文摘
多标签学习用于处理一个样本同时拥有多个标签的问题。已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相似度高的点排除在近邻集之外,或者将相似度低的点包括在近邻集内,影响分类方法的性能。针对IMLLA的缺陷,将粒计算的思想加入近邻集的构建,提出一种基于粒计算的多标签懒惰学习算法(GMLLA)。该方法通过粒度控制,确定样本近邻点集,使得近邻集内的样本具有高相似度。实验结果表明,本算法的性能优于IMLLA。
-
关键词
K近邻
多标签学习
懒惰学习
IMLLA
粒计算
-
Keywords
K-nearest-neighbor
Multi-label learning
Lazy learning
IMLLA
Granular computing
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
