期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
一种基于朴素贝叶斯的校准标签排序方法 被引量:2
1
作者 张其龙 邓维斌 +2 位作者 胡峰 瞿原 胡宗容 《中国科学技术大学学报》 CAS CSCD 北大核心 2018年第1期65-74,共10页
传统的校准标签排序算法(calibrated label ranking,CLR)利用成对标签关联进行转化来预测结果.该算法的校准是在二元关系算法(binary relevance,BR)基础上进行比较产生结果,其预测对BR产生结果具有一定的依赖性,因此该算法在预测某些数... 传统的校准标签排序算法(calibrated label ranking,CLR)利用成对标签关联进行转化来预测结果.该算法的校准是在二元关系算法(binary relevance,BR)基础上进行比较产生结果,其预测对BR产生结果具有一定的依赖性,因此该算法在预测某些数据集时具有一定的局限性.为了更好地区分标签的相关性和不相关性,提出了一种用于标签边界域的校准方法,对处于相关性标签和不相关性标签的边界部分采用贝叶斯概率进一步校正,从而提高边界域部分分类的准确性.基于朴素贝叶斯校准的标签排序方法(calibrated lable ranking method based on naive bayes,NBCLRM)与校准标签排序等7种传统的方法进行对比,实验结果表明,本文提出的算法不仅可以根据需求修改阈值ε和μ来调节预测结果,而且能够有效地提升传统多标签学习方法的性能. 展开更多
关键词 数据挖掘 朴素贝叶斯 校准标签排序算法 标签学习算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部