《表9 八种算法在scene数据集上的评价指标值及平均得分》
在上述八种算法中,LSFLC、LF-LPLC、ECC和RAk EL利用了标签相关性,但它们的性能却大不相同。从表4、表6~表9中可以看出LSFLC的整体性能在image、emotions、language log、enron、scene这5个数据集上优于LF-LPLC;从表4~表6、表8~表10中可以看出LSFLC的整体性能在image、CAL500、emotions、enron、scene、yeast这6个数据集上优于RAk EL;同时,LSFLC在所有8个数据集上的性能均优于ECC。另一方面,ECC在表4~表6、表9~表10这5个数据集上的整体性能要优于RAk EL。因此,LSFLC是性能最好的算法。原因在于LSFLC将标签相关性与标签特有特征集成在一起,同时有效地缓解了类不平衡的问题,而ECC和RAk EL没有考虑这个问题。
图表编号 | XD0035439600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.15 |
作者 | 李锋、杨有龙 |
绘制单位 | 西安电子科技大学数学与统计学院、西安电子科技大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |