论文研究 基于近邻加权及多示例的多标记学习改进算法.pdf

多数多标记学习方法通过在输出空间中，单示例同时与多个类别标记相关联表示多义性，目前有研究通过在输入空间将单一示例转化为示例包，建立包中多示例与多标记的联系。算法在生成示例包时采用等权重平均法计算每个标记对应样例的均值。由于数据具有局部分布特征，在计算该均值时考虑数据局部分布，将会使生成的示例包更加准确。本论文充分考虑数据分布特性，提出新的分类算法。实验表明改进算法性能优于其他常用多标记学习算法。