| 基于聚类的多标记选择性集成 |
| |
| 引用本文： | 张佳欢,李磊军,李美争,米据生,解滨.基于聚类的多标记选择性集成[J].南京航空航天大学学报,2020,52(5):768-776. |
| |
| 作者姓名： | 张佳欢 李磊军 李美争 米据生 解滨 |
| |
| 作者单位： | 河北师范大学计算机与网络空间安全学院,石家庄,050024;河北师范大学数学科学学院,石家庄,050024;河北师范大学数学博士后科研流动站,石家庄,050024;河北师范大学数学科学学院,石家庄,050024 |
| |
| 基金项目： | 国家自然科学基金(61502144, 62076088, 61672206)资助项目；河北省自然科学基金(F2018205196, F2019205295)资助项目；河北省高等学校自然科学基金(BJ2019014)资助项目；河北省博士后择优资助科研基金(B2016003013)资助项目；河北省三三三人才工程培养经费(A2017002112)资助项目。 |
| |
| 摘 要： | 多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成， 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection，MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection， KMCCS）。在所提出的算法中，如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示，在此基础上给出了学习器之间距离的计算方式。此外， 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析，实验结果表明了所提算法的有效性。
|
| 关 键 词： | 选择性集成 多标记学习 聚类 机器学习 |
| 收稿时间： | 2020/6/6 0:00:00 |
| 修稿时间： | 2020/7/11 0:00:00 |
Multi-label Selective Ensemble Based on Clustering |
| |
| ZHANG Jiahuan,LI Leijun,LI Meizheng,MI Jusheng,XIE Bin.Multi-label Selective Ensemble Based on Clustering[J].Journal of Nanjing University of Aeronautics & Astronautics,2020,52(5):768-776. |
| |
| Authors: | ZHANG Jiahuan LI Leijun LI Meizheng MI Jusheng XIE Bin |
| |
| Abstract: | |
| |
| Keywords: | selective ensemble multi-label learning clustering machine learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 |
|
