基于PCA改进算法的k近邻多标签学习  

作　　者：魏恩营 

机构地区：[1]闽南师范大学福建省粒计算重点实验室,福建漳州363000

出　　处：《软件导刊》2016年第4期5-7,共3页Software Guide

基　　金：国家自然科学基金面上项目(61170128;61379049;61379089);漳州市自然科学基金项目(ZZ2013J03);福建省教育厅项目(JA14194);福建省教育厅科技重点项目(JA13192);福建省科技计划重点项目(2012H0043)

摘　　要：k近邻多标签学习算法是多标签学习领域经典算法之一,为处理多标签问题提供了新思想。将PCA改进算法应用到k近邻多标签学习算法中,提出信息损耗率,并实现动态降维;根据PCA算法计算样本的属性重要度;采用属性重要度作为权重改进距离计算方法。与已有多标签学习算法相比,该算法各评价指标明显优于已有算法。

关 键 词：k近邻多标签学习算法 信息损耗率 主成分分析法 属性重要度 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]