-
作者
万润君郭嗣琮刘海涛曾繁慧
-
单位
辽宁工程技术大学理学院辽宁工程技术大学智能工程与数学研究院
-
摘要
为解决多标记学习中的维度灾难问题，采用分而治之的方法，充分考虑标记间的相关性，提出一种基于改进快速密度聚类的多标记学习层次树模型（ML-HTM）.该模型降低了聚类过程中的计算复杂度，提高了多标记学习效率.为检验模型效果，在6个高维数据集、12个多标记分类评价指标上进行多标记学习实验，并与6种经典多标记学习算法的评价指标值进行算法对比.实验结果表明，该模型对多标记学习中高维数据的处理，明显提高了预测性能和学习效率，充分挖掘标记间的相关性，使得标记预测的结果更加准确.
-
关键词
多标记学习维度灾难改进的快速密度聚类算法数据挖掘ML-HTM模型
-
基金项目(Foundation)
国家自然科学基金（61350003）；辽宁省教育厅科研项目（LJ2019JL019）；
-
文章目录
0 引言
1 多标记学习问题的数学描述
2 多标记学习层次树模型
2.1 多标记学习层次树的结构
2.2 ML-HTM模型学习步骤
3 数据实验与结果分析
3.1 实验数据
3.2 评价指标
3.3 实验结果与分析
4 结论
-
引用格式
万润君,郭嗣琮,刘海涛,曾繁慧.适于高维数据的多标记学习层次树模型[J].辽宁工程技术大学学报(自然科学版),2022,41(01):73-78.
-
相关文章
辽宁工程技术大学学报(自然科学版) 
2022年第01期 
