科研之友
微信
新浪微博
Facebook
分享链接
摘要
在多标记分类问题中，考虑标记间的相关性是提升分类器性能的主要方法之一。集成学习具有很多优势，尤其在提高学习系统的泛化能力上表现尤为突出。因此，提出了一种利用样本的特征空间的分类间隔赋予不同类标不同的权重的Ada-MLKNN算法。该算法基于传统Adaboost算法框架改进，考虑到多标记样本标记的权重以及分类器的权重，采用基于权重的汉明损失作为阈值来判断样本的分类是否正确，使其适应性扩展到MLKNN多标记学习算法。实验结果表明，该算法有效提升了分类器的性能。
-
单位南京机电职业技术学院
