基于K近鄰多標簽分類算法
大小：0.64 MB 人氣：0 2018-01-02 需要積分：2
標簽：分類算法(9912)
針對K近鄰多標簽（ ML-KNN）分類算法中未考慮標簽相關性的問題，提出了一種基于標簽相關性的K近鄰多標簽分類（ CML-KNN）算法。首先，計算出標簽集合中每對標簽間的條件概率；其次，對于即將被預測的標簽，將其與已經預測的標簽間的條件概率進行排序，求出最大值；最后，將最大值跟對應標簽值相乘同時結合最大化后驗概率（MAP）來構造多標簽分類模型，對新標簽進行預測。實驗結果表明，所提算法在Emotions數據集上的分類性能均優于ML-KNN、AdaboostMH、RAkEL、BPMLL這4種算法；在Yeast、Enron數據集上僅在1-2個評價指標上低于ML-KNN與RAkEL算法。由實驗分析可知，該算法取得了較好的分類效果。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于K近鄰多標簽分類算法下載
相關電子資料下載
- 機器學習有哪些算法？機器學習分類算法有哪些？機器學習預判有哪些算法？ 1621
- 每日一課 | 智慧燈桿視覺技術之圖像分類算法與步驟分解 322
- 基于卷積神經網絡的垃圾圖像分類算法 857
- 經典圖像分類算法AlexNet介紹 5041
- 回顧一下機器學習分類算法 2156
- 人工智能引發的圖像分類算法 3713
- 各類機器學習分類算法的優點與缺點分析 3403
- 詳解機器學習分類算法KNN 5844
- 人工智能在垃圾經濟的機遇和挑戰 923
- 帶你入門常見的機器學習分類算法——邏輯回歸、樸素貝葉斯、KNN、SVM、決策樹 9873