《表7 五种算法下的汉明损失(↓)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于标记增强的多标记代价敏感特征选择算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．