摘要: ML-kNN算法利用貝葉斯概率修改傳統(tǒng)的kNN算法以解決多標(biāo)簽問題，但這種基于概率統(tǒng)計的方法對覆蓋率低的標(biāo)簽容易造成誤判。因此，該文提出了一種加權(quán)ML-kNN算法，將樣本與鄰居之間的距離轉(zhuǎn)化為權(quán)值來改這種誤判。在三個基準(zhǔn)數(shù)據(jù)集上進(jìn)行對比實驗，利用七個標(biāo)準(zhǔn)對其進(jìn)行評測。實驗結(jié)果表明，該加權(quán)ML-kNN算法整體上優(yōu)于ML-kNN算法。
　　關(guān)鍵詞:多標(biāo)簽學(xué)習(xí); ML-kNN;距離加權(quán);加權(quán)ML-kNN
　　中圖分類號：TP18文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2012)04-0816-03
　　A Novel Weighted Multi-label kNN Algorithm
　　WANG Chun-yan
　　(Department of Computer Science and Technol