策略

详细描述

代表文章

ML-KNN

由传统的KNN发展而来，对于每一个测试样本， 用最大后验概率原则(MAP)决定测试样本的标签集合

Zhang et al. [32] , Sun et al. [33] , Zou et al. [34]

ML-DT

计算每个特征的信息增益IG，根据IG的最大特征将样本划分为左右子集； 对于未知样本，沿根节点遍历一条路径到叶子节点， 计算叶子节点样本子集中每个标签为0和1的概率

Sandip S. et al. [35] , Somayah Albaradei et al. [36]

BP-MLL

多标签学习的反向传播，通过用定义的新误差函数替换其错误函数来 捕获多标签学习的特征

Xin et al. [37] , Zhang et al. [38]