《表9 八种算法在scene数据集上的评价指标值及平均得分》

  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

《基于标签特征和相关性的多标签分类算法》

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

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。