-
题名基于模糊C均值改进的粒化特征加权多标签分类算法
被引量：6
- 1
-
-
作者
柴瑞敏
闫婷
-
机构
辽宁工程技术大学电子与信息工程学院
-
出处
《计算机应用与软件》
北大核心
2018年第6期286-291,共6页
-
文摘
多标签分类中,每个样本拥有多个标签,使得标签间的组合数量呈指数增长,分类过程中不同特征附带的标签分类信息不同,而特征和标签间的相关性常被忽略。为此,提出基于模糊C均值(FCM)改进的粒化特征加权多标签分类算法。该算法依据平均信息熵所得最佳粒化数目对标签空间粒化,由信息增益计算特征对于标签粒的隶属度,由隶属度判断它们之间相关性的大小,将这相关性融入到特征的权重系数中,对特征进行加权,以解决特征与标签的相关性问题和标签组合爆炸问题。在多个数据集上的实验表明:相较于其他经典多标签学习算法,该算法在各项评价指标的整体上取得较好的效果。
-
关键词
模糊c均值聚类
信息增益
平均信息熵
粒化
多标签学习
-
Keywords
fuzzy c-means clustering information gain
Average information entropy
Granulation
Multi-label learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
