关键词中包括 multi-label 的文章

1 基于自然邻域和数据引力的多标签不平衡数据过采样方法 刘志强, 谭浩宇, 韩奥坤, 王炜清, 严远亭, 张燕平 2026年3期 [651－665][摘要](432)[pdf 5656KB](464) DOI:10.11992/tis.202505019

2 多标记数据驱动的可变换算子值核 汪振鑫1, 陈德刚2, 车晓雅2 2026年2期 [365－374][摘要](969)[pdf 4265KB](999) DOI:10.11992/tis.202503021

3 基于粒的标记增强标记分布学习 张远健1, 赵天娜2, 苗夺谦2 2023年2期 [390－398][摘要](4516)[pdf 1248KB](5029) DOI:10.11992/tis.202208015

4 结合局部标记序关系的弱监督标记分布学习 秦天, 滕齐发, 贾修一 2023年1期 [47－55][摘要](3285)[pdf 4856KB](3304) DOI:10.11992/tis.202204018

5 基于加权信息粒化的多标记数据特征选择算法 胡军1,2, 王海峰1,2 2023年3期 [619－628][摘要](3330)[pdf 3666KB](3330) DOI:10.11992/tis.202111058

6 自适应标记关联与实例关联诱导的缺失多视图弱标记学习 查思明1, 鲍庆森1, 骆健1,2, 陈蕾1,2 2022年4期 [670－679][摘要](4298)[pdf 2319KB](3738) DOI:10.11992/tis.202106017

7 三角距离相关性的标签分布学习 黄雨婷, 徐媛媛, 张恒汝, 闵帆 2021年3期 [449－458][摘要](6553)[pdf 4106KB](3633) DOI:10.11992/tis.202001027

8 基于模糊不一致对的多标记属性约简 高琪1, 李德玉1,2, 王素格1,2 2020年2期 [374－385][摘要](6674)[pdf 5124KB](4589) DOI:10.11992/tis.201905046

9 鲁棒的半监督多标签特征选择方法 严菲, 王晓栋 2019年4期 [812－819][摘要](6770)[pdf 3109KB](4127) DOI:10.11992/tis.201809017

10 代价敏感数据的多标记特征选择算法 黄琴1,2, 钱文彬1,2, 王映龙1, 吴兵龙2 2019年5期 [929－938][摘要](7595)[pdf 4300KB](4078) DOI:10.11992/tis.201807027

11 弹性网络核极限学习机的多标记学习算法 王一宾1,2, 裴根生1, 程玉胜1,2 2019年4期 [831－842][摘要](6843)[pdf 4011KB](4224) DOI:10.11992/tis.201806005

12 基于改进卷积神经网络的多标记分类算法 余鹰1, 王乐为1, 吴新念1, 伍国华2, 张远健3 2019年3期 [566－574][摘要](9544)[pdf 4001KB](4791) DOI:10.11992/tis.201804056

13 多标记学习自编码网络无监督维数约简 杨文元 2018年5期 [808－817][摘要](8949)[pdf 1242KB](9567) DOI:10.11992/tis.201804051

14 基于Spark的多标签超网络集成学习 李航1, 王进2, 赵蕊2 2017年5期 [624－639][摘要](7749)[pdf 1930KB](6260) DOI:10.11992/tis.201706033

15 应用k-means算法实现标记分布学习 邵东恒, 杨文元, 赵红 2017年3期 [325－332][摘要](7200)[pdf 1803KB](5644) DOI:10.11992/tis.201704024

16 一种多标记数据的过滤式特征选择框架 郭雨萌, 李国正 2014年3期 [292－297][摘要](4802)[pdf 764KB](4564) DOI:10.3969/j.issn.1673-4785.201403064

17 基于Tri-training的半监督多标记学习算法 刘杨磊1,2，梁吉业1,2，高嘉伟1,2，杨静1,2 2013年5期 [439－445][摘要](7248)[pdf 962KB](6093) DOI:10.3969/j.issn.1673-4785.201305033