| ชื่อบทความ |
Kernel extreme learning machine based on fuzzy set theory for multi‐label classification |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
24 ธันวาคม 2560 |
| วารสาร |
| ชื่อวารสาร |
International Journal of Machine Learning and Cybernetics |
| มาตรฐานของวารสาร |
ISI |
| หน่วยงานเจ้าของวารสาร |
Springer Berlin Heidelberg |
| ISBN/ISSN |
1868-8071 |
| ปีที่ |
10 |
| ฉบับที่ |
5 |
| เดือน |
May |
| ปี พ.ศ. ที่พิมพ์ |
2562 |
| หน้า |
979-989 |
| บทคัดย่อ |
Multi-label classification is a special kind of classification problem, where a single instance can be labeled to more than one class. Extreme learning machine (ELM) with kernel is an efficient method for solving both regression and multi-class classification problems. However, ELM with kernel has a limitation when it comes to multi-label classification tasks. To solve this problem, this paper proposes an enhanced ELM with kernel based on a fuzzy set theory for multi-label classification problems. The relationship between an instance and its corresponding class can be defined as the fuzzy membership. This fuzzy membership is used in output weights computation to weigh the training sample towards the corresponding classes. The experimental results demonstrate that the proposed method outperforms the ELM family of algorithms for multi-label problems, as well as the state-of-the-art multi-label classification algorithms. |
| คำสำคัญ |
Extreme learning machine with kernel, Multi-label classification, Fuzzy set theory, Fuzzy membership |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English