BriefGPT - AI 论文速递
·
多标签 Takagi-Sugeno-Kang 模糊系统
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文提出了一种名为ML-TSK FS的新的多标签分类方法，通过使用模糊规则设计了其结构来建模特征和标签之间的关系，并通过集成多标签相关学习和多标签回归损失来训练模糊系统。实验结果表明，ML-TSK FS在各种评估指标上的性能与现有方法相竞争，能够有效地提升分类性能。
🎯
关键要点
-
提出了一种新的多标签分类方法，名为ML-TSK FS。
-
ML-TSK FS通过模糊规则设计其结构，以建模特征和标签之间的关系。
-
该方法集成了基于模糊推理的多标签相关学习和多标签回归损失来训练模糊系统。
-
在12个基准多标签数据集上的实验结果表明，ML-TSK FS在各种评估指标上与现有方法竞争。
-
实验结果显示，ML-TSK FS能够有效提升分类性能。
➡️
