2024年12月26日
星期四
|
欢迎来到佛山市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
徐丹洋
作品数:
1
被引量:0
H指数:0
供职机构:
安徽大学计算机科学与技术学院
更多>>
发文基金:
国家自然科学基金
国家高技术研究发展计划
安徽省高校省级自然科学研究项目
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
陈思宝
安徽大学计算机科学与技术学院
罗斌
安徽大学计算机科学与技术学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
学习算法
1篇
最小化
1篇
非负重
1篇
标签
机构
1篇
安徽大学
作者
1篇
罗斌
1篇
陈思宝
1篇
徐丹洋
传媒
1篇
电子科技大学...
年份
1篇
2015
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
一种非负稀疏近邻表示的多标签学习算法
2015年
针对训练数据中的非线性流形结构以及基于稀疏表示的多标签分类中判别信息丢失严重的问题,该文提出一种非负稀疏近邻表示的多标签学习算法。首先找到待测试样本每个标签类上的k-近邻,然后基于LASSO稀疏最小化方法,对待测试样本进行非负稀疏线性重构,得到稀疏的非负重构系数。再根据重构误差计算待测试样本对每个类别的隶属度,最后实现多标签数据分类。实验结果表明所提出的方法比经典的多标签k近邻分类(ML-KNN)和稀疏表示的多标记学习算法(ML-SRC)方法性能更优。
陈思宝
徐丹洋
罗斌
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张