%0 Journal Article
%T 基于稳健模糊粗糙集模型的多标记文本分类
%A 张 晶？
%A 李德玉？
%A 王素格？
%A 李 华？
%J 计算机科学
%D 2015
%R 10.11896/j.issn.1002-137X.2015.07.058
%X 针对多标记数据的不确定性以及噪声数据的存在,提出了一种新的多标记稳健模糊粗糙分类模型。该模型是处理单标记分类问题的k-mean稳健统计量模糊粗糙分类模型的扩展应用。对于每个待分类数据,首先根据相似性计算方法,得到它们相对于各标记的隶属度；然后根据隶属度定义待分类数据与各标记的相关度；最后为每一组相关度赋予合适的阈值,得到相关的标记集合。在3个标准多标记数据集和1个真实多标记文本数据集上的实验结果表明,对于多标记文本分类问题,所提模型在6个常用的多标记评测指标上较常用的ml-knn和rank-svm多标记学习方法具有更高的准确率。
%K 模糊粗糙集
%K k-mean稳健统计量
%K 隶属度
%K 多标记学习
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=20150758&flag=1