《表2 数据集scene分类性能比较》

  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

《基于随机子空间的多标签类属特征提取算法》

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

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。