论文部分内容阅读
针对多标签k邻域(ML-k NN)算法忽略了多个标签间可能存在的相关性的问题,提出了一种基于联合概率的RML-k NN多标签分类算法。首先,在样本空间遍历求得每个标签的先验概率;其次,根据样本k邻域内某个标签的概率分布计算在该标签取值的条件下样本k邻域内有m个该标签出现的条件概率;然后,提出使用多个标签在k邻域的联合概率分布作为多标签分类模型的方法,并在样本空间进行计算;最后,以最大化后验概率的方法推导出RML-k NN多标签分类模型。理论分析和实验论证表明,在Sub Set Accuracy上最高