基于用戶身份特征的多標簽分類算法
大小：0.84 MB 人氣： 2017-12-01 需要積分：1
標簽：分類算法(9912)
目前對于智慧校園中的家校溝通，缺乏一種衡量和參考的方法。針對智慧校園中特有的聊天特點即存在明顯的身份特征，提出了一種基于用戶身份特征的多標簽分類算法-Adaboost. ML。首先，新增加了啟發式規則；然后，引入Adaboost. MH算法，同時摒棄了把數據集進行分片的概念；最后，直接利用單條數據作為分析的焦點，減少了由于時間片邊緣帶來的誤差和推斷時間，綜合決策出聊天用戶之間的關聯關系。實驗結果表明，與基于規則的啟發式方法相比，所提算法在智慧校園數據集上的誤報率、漏報率分別降低了53%、66%，同時在微信數據集上也具有良好的分類效果。該算法已應用到智慧校園項目中，能夠迅速并準確地了解到家校溝通的情況。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于用戶身份特征的多標簽分類算法下載
相關電子資料下載
- 機器學習有哪些算法？機器學習分類算法有哪些？機器學習預判有哪些算法？ 1621
- 每日一課 | 智慧燈桿視覺技術之圖像分類算法與步驟分解 322
- 基于卷積神經網絡的垃圾圖像分類算法 857
- 經典圖像分類算法AlexNet介紹 5041
- 回顧一下機器學習分類算法 2156
- 人工智能引發的圖像分類算法 3713
- 各類機器學習分類算法的優點與缺點分析 3403
- 詳解機器學習分類算法KNN 5844
- 人工智能在垃圾經濟的機遇和挑戰 923
- 帶你入門常見的機器學習分類算法——邏輯回歸、樸素貝葉斯、KNN、SVM、決策樹 9873