喵ID：fMLN9N免责声明

Label Specific Features-Based Classifier Chains for Multi-Label Classification

用于多标签分类的基于标签特定特征的分类器链

基本信息

DOI：
10.1109/access.2020.2980551
发表时间：
2020
期刊：
IEEE Access
影响因子：
3.9
通讯作者：
Shun-Xiang Wu
中科院分区：
计算机科学3区
文献类型：
--
作者： Wei Weng;Da-Han Wang;Chin-Ling Chen;Juan Wen;Shun-Xiang Wu研究方向： -- MeSH主题词： --
关键词： --
来源链接：pubmed详情页地址

文献摘要

Multi-label classification tackles the problems in which each instance is associated with multiple labels. Due to the interdependence among labels, exploiting label correlations is the main means to enhance the performances of classifiers and a variety of
多标签分类解决的是每个实例都与多个标签相关联的问题。由于标签之间的相互依存关系，利用标签相关性是提高分类器性能的主要手段，并且有各种各样的……
参考文献（41）
被引文献（11）
An Efficient Stacking Model of Multi-Label Classification Based on Pareto Optimum
基于帕累托最优的多标签分类高效堆叠模型
DOI：
10.1109/access.2019.2931451
发表时间：
2019
期刊：
IEEE Access
影响因子：
3.9
作者：
Wei Weng;Chin-Ling Chen;Shunxiang Wu;Yuwen Li;Juan Wen
通讯作者：
Juan Wen
Improving multi-label classification with missing labels by learning label-specific features
通过学习特定于标签的特征来改进缺失标签的多标签分类
DOI：
10.1016/j.ins.2019.04.021
发表时间：
2019-08-01
期刊：
INFORMATION SCIENCES
影响因子：
8.1
作者：
Huang, Jun;Qin, Feng;Huang, Qingming
通讯作者：
Huang, Qingming
Learning Label Specific Features for Multi-Label Classification
DOI：
10.1109/icdm.2015.67
发表时间：
2015-01-01
期刊：
2015 IEEE INTERNATIONAL CONFERENCE ON DATA MINING (ICDM)
影响因子：
0
作者：
Huang, Jun;Li, Guorong;Wu, Xindong
通讯作者：
Wu, Xindong
Stacking model of multi-label classification based on pruning strategies
基于剪枝策略的多标签分类堆叠模型
DOI：
10.1007/s00521-018-3888-0
发表时间：
2020-11-01
期刊：
NEURAL COMPUTING & APPLICATIONS
影响因子：
6
作者：
Liu, Haiyang;Wang, Zhihai;Sun, Yange
通讯作者：
Sun, Yange
A Review on Multi-Label Learning Algorithms
多标签学习算法综述
DOI：
10.1109/tkde.2013.39
发表时间：
2014-08-01
期刊：
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING
影响因子：
8.9
作者：
Zhang, Min-Ling;Zhou, Zhi-Hua
通讯作者：
Zhou, Zhi-Hua

数据更新时间：{{ references.updateTime }}

Shun-Xiang Wu
通讯地址:
--
所属机构:
--
电子邮件地址：
--
免责声明免责声明
1、猫眼课题宝专注于为科研工作者提供省时、高效的文献资源检索和预览服务；
2、网站中的文献信息均来自公开、合规、透明的互联网文献查询网站，可以通过页面中的“来源链接”跳转数据网站。
3、在猫眼课题宝点击“求助全文”按钮，发布文献应助需求时求助者需要支付50喵币作为应助成功后的答谢给应助者，发送到用助者账户中。若文献求助失败支付的50喵币将退还至求助者账户中。所支付的喵币仅作为答谢，而不是作为文献的“购买”费用，平台也不从中收取任何费用，
4、特别提醒用户通过求助获得的文献原文仅用户个人学习使用，不得用于商业用途，否则一切风险由用户本人承担；
5、本平台尊重知识产权，如果权利所有者认为平台内容侵犯了其合法权益，可以通过本平台提供的版权投诉渠道提出投诉。一经核实，我们将立即采取措施删除/下架/断链等措施。
我已知晓