改进的多标签深度森林算法研究
李村合
李帅
中国石油大学(华东) 青岛 266580
摘要：多标签深度森林(Multi-Label Deep Forest,MLDF)是一种基于深度森林的深度集成学习模型.为了限制模型的复杂度以及用户可以根据需求优化评价指标,多标签深度森林使用了两种算法:度量感知特征重用与度量感知层增长.前者重用前一层较好的特征,后者用于限制模型增长,然而度量感知特征重用算法使用当前层的输出取算术平均值来计算置信度,忽略了各个森林的精度差异造成的影响.因此,提出一种改进的度量感知特征重用算法,为每个森林在每个标签上赋予权重来计算置信度.实验结果表明,改进的算法在低维多标签数据集上有一定的提升.
关键词：多标签深度森林度量感知特征重用置信度
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2790-2794 )
英文信息