一种加权的ML-kNN算法

摘要：

ML-kNN算法利用贝叶斯概率修改传统的kNN算法以解决多标签问题,但这种基于概率统计的方法对覆盖率低的标签容易造成误判.因此,该文提出了一种加权ML-kNN算法,将样本与邻居之间的距离转化为权值来改这种误判.在三个基准数据集上进行对比实验,利用七个标准对其进行评测.实验结果表明,该加权ML-kNN算法整体上优于ML-kNN算法.

关键词：多标签学习、ML-kNN、距离加权、加权ML-kNN

所属期刊栏目：8

分类号：TP18(自动化基础理论)

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：816-818,851