期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 基于类属属性约简的多标记学习
徐苏平, 杨习贝, 祁云嵩
计算机应用    2015, 35 (11): 3218-3221.   DOI: 10.11772/j.issn.1001-9081.2015.11.3218
摘要429)      PDF (696KB)(782)    收藏
在多标记学习中,由于不同的标记可能会带有自身的一些特性,所以目前已经出现了基于标记类属属性的多标记学习算法LIFT.然而,类属属性的构建可能会增加属性向量的维度,致使属性空间存在冗余信息.为此,借助模糊粗糙集提出了一种能够进行类属属性约简的多标记学习算法FRS-LIFT,其包含4个步骤:类属属性构建、属性维度约简、分类模型训练和未知样本预测.在5个多标记数据集上的实验结果表明,该算法与LIFT算法相比,不仅能够降低类属属性维数,而且在5种多标记评价指标上均具有较好的实验效果.
参考文献 | 相关文章 | 多维度评价
2. 基于spearman秩相关的序值决策系统约简
祁云嵩 谢军
计算机应用    2009, 29 (07): 1758-1759.  
摘要1422)      PDF (475KB)(1172)    收藏

约简是知识发现的重要过程。经典的基于等价关系的粗糙集理论,没有考虑系统取值的序值性,并且对数据噪声较为敏感。提出了一个基于spearman秩相关分析的序值决策系统约简方法,该方法通过各属性对被决策个体的spearman秩次的影响来确定约简结果。实验结果表明,该方法不但考虑了系统属性值的序值关系,并且对数据噪声不敏感,因而更符合实际应用的要求。

相关文章 | 多维度评价