《表2 不同数据集下算法分类性能对比》
由表2可以看出,处理Arts数据集时,在分类之前利用DEC算法对多标记数据进行维度约简,再利用MLKNN进行分类处理,实验结果所得的5个多标记学习评价指标值都明显优于未使用DEC约简的分类结果。因此,基于DEC算法的多标记分类比MLKNN直接分类的效果更佳。利用MLNB算法进行多标记分类处理之前,如果先采取DEC算法对数据集进行维度约简,则AP、CO、HL这3个评价指标都明显优于未采取DEC算法的分类结果。由此可以得出,在处理诸如上述多标记数据集时,由DEC算法约简之后再分类,最终可以取得相对不错的实验结果。
图表编号 | XD00187489600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.15 |
作者 | 王一宾、李闪闪、裴根生 |
绘制单位 | 安庆师范大学计算机与信息学院、安徽省高校智能感知与计算重点实验室、安庆师范大学计算机与信息学院、安庆师范大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |