大量多标签多类别分类代码和算法matlab版本

一般编程问题

下载此实例

开发语言：Others
实例大小：24.15M
下载次数：14
浏览次数：608
发布时间：2020-04-22
实例类别：一般编程问题
发布人：robot666
文件格式：.zip
所需积分：2

实例介绍

【实例简介】内含有大量多标签多类别分类算法和对应的代码，包括MIML_LPT,MIMLBoost,MIMLSVM,MIMLfast,KISAR,MIMLKNN,MLKNN,DMIMLSVM,MIMLMISVM等等，部分代码含有对应的文献，学习多类标分类的好资源。
【实例截图】

【核心代码】

│ DMIMLSVM.rar
│ MIMLmiSVM.rar
│
├─KISAR
│ │ KISAR.rar
│ │ Towards discovering what patterns trigger what labels.pdf
│ │
│ └─KISAR
│ └─KiSar
│ │ Cal500_bag.mat
│ │ demo.m
│ │ emotions_bag.mat
│ │ example_data.mat
│ │ kisar_predict.m
│ │ kisar_train.m
│ │ k_means.m
│ │ readme.txt
│ │ scene.mat
│ │
│ ├─auxiliary
│ │ Average_precision.m
│ │ coverage.m
│ │ Hamming_loss.m
│ │ One_error.m
│ │ Ranking_loss.m
│ │
│ └─liblinear-1.8
│ libsvmread.mexw32
│ libsvmread.mexw64
│ libsvmwrite.mexw32
│ libsvmwrite.mexw64
│ predict.mexw32
│ predict.mexw64
│ train.mexw32
│ train.mexw64
│
├─MIMLBoost and MIMLSVM
│ │ MIMLBoost and MIMLSVM.rar
│ │ Multi-instance multi-label learning with application to scene classification.pdf
│ │
│ └─MIMLBoost&MIMLSVM
│ │ libsvm-mat-2.86-1.zip
│ │ readme.txt
│ │
│ ├─auxiliary
│ │ Average_precision.m
│ │ coverage.m
│ │ Hamming_loss.m
│ │ maxHausdorff.m
│ │ min_max_norm.m
│ │ normalize_bags.m
│ │ One_error.m
│ │ Ranking_loss.m
│ │
│ ├─MIMLBoost
│ │ │ example_data.mat
│ │ │ MIMLBoost_demo.m
│ │ │ MIMLBoost_test.m
│ │ │ MIMLBoost_train.m
│ │ │ MIML_error.m
│ │ │ scene.mat
│ │ │
│ │ └─auxiliary
│ │ Average_precision.m
│ │ coverage.m
│ │ Hamming_loss.m
│ │ maxHausdorff.m
│ │ min_max_norm.m
│ │ normalize_bags.m
│ │ One_error.m
│ │ Ranking_loss.m
│ │
│ ├─MIMLSVM
│ │ │ example_data.mat
│ │ │ maxHausdorff.m
│ │ │ MIMLSVM.m
│ │ │ MIMLSVM_demo.m
│ │ │ MIML_cluster.m
│ │ │ scene.mat
│ │ │
│ │ ├─auxiliary
│ │ │ Average_precision.m
│ │ │ coverage.m
│ │ │ Hamming_loss.m
│ │ │ One_error.m
│ │ │ Ranking_loss.m
│ │ │
│ │ └─BAMIC
│ │ aveHausdorff.m
│ │ BAMIC.m
│ │ maxHausdorff.m
│ │ minHausdorff.m
│ │ set_compare.m
│ │
│ └─sample
│ 10CV.mat
│ heart_scale.mat
│ sample.m
│
├─MIMLfast
│ │ Cal500_bag.mat
│ │ DNorm2.c
│ │ DNorm2.m
│ │ DNorm2.mexw64
│ │ emotions_bag.mat
│ │ example.m
│ │ example_data.mat
│ │ MIMLfast.m
│ │ MIML_test.m
│ │ MIML_train.m
│ │ MSE_ML_test1.m
│ │ my_MIMLfast.m
│ │ readme.txt
│ │ sample_max1_small.mexw64
│ │ scene.mat
│ │ test_1.m
│ │
│ ├─auxiliary
│ │ Average_precision.m
│ │ coverage.m
│ │ Hamming_loss.m
│ │ maxHausdorff.m
│ │ min_max_norm.m
│ │ normalize_bags.m
│ │ One_error.m
│ │ Ranking_loss.m
│ │
│ └─Dnorm2
│ DNorm2.c
│ DNorm2.m
│ DNorm2.mexw64
│ license.txt
│ uTest_DNorm2.m
│
├─MIMLNN
│ │ MIMLNN.m
│ │ Parameter Configuration.txt
│ │ readme.m
│ │ sample_data.mat
│ │
│ └─Auxiliary
│ Average_f1.m
│ Average_precision.m
│ Average_recall.m
│ coverage.m
│ Hamming_loss.m
│ MIML_cluster.m
│ One_error.m
│ Ranking_loss.m
│
├─MIML_LPT
│ │ Cal500.mat
│ │ Corel5k.mat
│ │ emotions_bag.mat
│ │ example_data.mat
│ │ LLPT.m
│ │ MIML_LLPT.m
│ │ myRMS.m
│ │ my_RMSE.m
│ │ scene.mat
│ │
│ └─auxiliary
│ Average_precision.asv
│ Average_precision.m
│ coverage.m
│ Hamming_loss.m
│ maxHausdorff.m
│ min_max_norm.m
│ normalize_bags.m
│ One_error.m
│ Ranking_loss.m
│
└─MLkNN
│ Average_precision.m
│ Cal500_bag.mat
│ coverage.m
│ emotions.mat
│ emotions_bag.mat
│ example_data.mat
│ Hamming_loss.m
│ MLKNN_demo.m
│ MLKNN_test.m
│ MLKNN_train.m
│ One_error.m
│ Ranking_loss.m
│ scene.mat
│ test_MLKNN.m
│
└─ML-kNN_ A lazy learning approach to multi-label learning
An instance-based reasoning system for spam labelling and filtering.pdf
GGL_Real_Estate_Pricing.pdf
WISE05-instance-extract.pdf

标签：

实例下载地址