第 卷第 期 兰州文理学院学报(自然科学版)
3 5年 月5 ( 法 的 多 标 记 学****技 术
, , NMF (A Mult-i label
学****1 ]的框架应运而生 在该框架下 为了更好地
. , Learning Method Based on NMF Algorithm,
描述数据对象 需要收集丰富的特征数据 与此同 首先 针 对 大 规 模 的 多 标 记 数 据 集
, . ML-NMF). , ,
时 特征数据的大量增长也会伴随许多冗余特征 本文采用 算法对其进行特征降维 其次 融
, NMF . ,
的产 生 从 而 造 成 分 类 困 难 增 加 模 型 的 训 练 时 合标记 空 间 训 练 极 限 学****机[2]模 型 最
, , , ELM ,
间 因此 对多标记数据的维度约简处理有重要意 后 将该模型下对未知标记的分类预测结果与其
. , ,
义 他常见的多标记特征降维方法进行对比 结果显
. ,
矩阵分解技术是一种常见的对复杂 高维度 示本文算法是有效的
、
基于NMF算法的多标记学习 来自淘豆网www.taodocs.com转载请标明出处.