研究人员开发了一种名为直觉模糊图嵌入随机向量函数链接与多视图学习（IFGRVFL-MV）的新模型。该模型旨在通过更好地保留几何关系和利用多个特征视图来改进现有的随机向量函数链接（RVFL）网络。IFGRVFL-MV模型结合了用于处理不确定性的直觉模糊集、用于捕获几何结构的图嵌入以及用于互补信息的多视图学习。在UCI和KEEL存储库的基准数据集上进行的实验表明，IFGRVFL-MV在分类精度上优于现有模型，展示了其在具有不确定性和多数据视图的环境中的潜力。 AI
影响 这一新模型提供了对不确定性和多数据视图的改进处理，有可能在复杂数据集中实现更鲁棒的分类。
排序理由 该集群包含一篇详细介绍新型机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- graph embedding
- Intuitionistic Fuzzy Graph Embedded Random Vector Functional Link with Multiview Learning
- KEEL
- University of California, Irvine
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
