《表2 不同数据集下算法分类性能对比》

  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DEC算法的多标记学习》

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。