《表2 数据集scene分类性能比较》
观察表2~6中的结果可以看出,本文提出的基于随机子空间的多标签类属特征提取算法LIFT_RSM取得了较好的分类效果。对于emotions和image数据集,除了覆盖率和排序损失外,LIFT_RSM算法在余下的三个评价指标上均优于其他对比算法;对于scene和flags数据集,除覆盖率外,LIFT_RSM算法的余下四项指标均优于对比算法;对于slashdot数据集,LIFT_RSM算法在HL、OE、CV、RL和AP五项指标上的结果分别为0.039 7、0.409 6、2.420 2、0.094 8及0.687 1,相比于原始LIFT算法均有不同程度的提升,与其他算法相比效果提升更为显著。值得注意的是,部分数据集中提出算法在部分指标上表现略差。经过分析发现其主要原因是相关数据集的标签密度较大,同时拥有多个标签的实例较多,使得各个实际类别中边缘样本及噪声样本增多,致使特征提取性能受到影响,导致分类效果不理想。
图表编号 | XD0035707000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 张晶、李裕、李培培 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |