|
|||||
|
|
| 基于负相关性增强的不平衡多标签学习算法 | |
| 作者姓名： | 程玉胜 曹天成 王一宾 郑伟杰 |
| 作者单位： | （1.安徽省高校智能感知与计算重点实验室(安庆师范大学),安徽 安庆 246133; 2.计算智能与信号处理教育部重点实验室（安徽大学）,安徽 合肥 230061) |
| 基金项目： | 计算智能与信号处理教育部重点实验室（安徽大学）开放课题（2020A003）;安徽省自然科学基金（2018085MF216） |
| 摘 要： | 由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能.通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是采用基于正相关性策略提升性能.在实际问题中,除了正相关性外,标签的负相关性也可能存在,如果在考虑正相... |
| 关 键 词： | 多标签学习 多标签不平衡 标签正负相关性 标签密度 加速梯度下降法 |
| 收稿时间： | 2020-08-11 |
| 修稿时间： | 2020-11-25 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与科学》下载全文 | |