19、多标签分类与加速 ELM 训练：FLELM 框架的卓越表现

多标签分类与加速 ELM 训练：FLELM 框架的卓越表现

多标签分类算法的模拟结果

在多标签分类应用中，不同算法的性能表现各异。通过模拟结果可以看出，某提出的算法在多标签分类中展现出了出色的性能。以下是不同数据库下各算法的模拟结果：
| Database | Yeast | | Emotions | | Scene | |
| — | — | — | — | — | — | — |
| | HL | Acc | HL | Acc | HL | Acc |
| KNN | 0.230 | 0.603 | 0.222 | 0.690 | 0.123 | 0.870 |
| C4.5 | 0.283 | 0.607 | 0.234 | 0.691 | 0.134 | 0.873 |
| NB | 0.253 | 0.615 | 0.208 | 0.672 | 0.142 | 0.878 |
| SMO | 0.205 | 0.699 | 0.211 | 0.671 | 0.126 | 0.862 |
| SVM | 0.210 | 0.604 | 0.206 | 0.683 | 0.134 | 0.762 |
| ELM | 0.205 | 0.701 | 0.211 | 0.682 | 0.128 | 0.799 |
| Ours | 0.203 | 0.728 | 0.203 | 0.685 | 0.117 | 0.879 |

从表格数据可以推测，“Ours”算法在多个数据库的多标签分类中，在分类精度（Acc）方面表现较为突出，并且在汉明损失（HL）上也有较好的控制，说明该算法在多标签分类任务中具有一