《表7 五种算法下的汉明损失(↓)》
由表7结果可知,针对Hamming Loss,本文算法在四个数据集上均优于其他算法.在CAL500数据集及Scene数据集上,本文算法接近当前其他算法的最优值.特别地,在Emotions数据集上,本文算法要优于M DDM proj,M DDM spc,PM U和RF-M L算法,分别降低了5.67%,4.68%,5.39%,7.70%.此外,在其他数据集上,本文算法的Hamming Loss明显低于其他算法,这主要是因为在Hamming Loss中,需考虑预测标记与真实标记间的差异.即本文算法考虑了多标记数据中每个示例中相关标记重要度的不同,能有效减少标记预测时的损失.
图表编号 | XD00141256100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 黄锦涛、钱文彬、王映龙 |
绘制单位 | 江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学软件学院、江西农业大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |