lptwrite matlab,大量多标签多类别分类代码和算法matlab版本

【实例简介】内含有大量多标签多类别分类算法和对应的代码，包括MIML_LPT,MIMLBoost,MIMLSVM,MIMLfast,KISAR,MIMLKNN,MLKNN,DMIMLSVM,MIMLMISVM等等，部分代码含有对应的文献，学习多类标分类的好资源。

【实例截图】

【核心代码】

│  DMIMLSVM.rar

│  MIMLmiSVM.rar

│

├─KISAR

│  │  KISAR.rar

│  │  Towards discovering what patterns trigger what labels.pdf

│  │

│  └─KISAR

│      └─KiSar

│          │  Cal500_bag.mat

│          │  demo.m

│          │  emotions_bag.mat

│          │  example_data.mat

│          │  kisar_predict.m

│          │  kisar_train.m

│          │  k_means.m

│          │  readme.txt

│          │  scene.mat

│          │

│          ├─auxiliary

│          │      Average_precision.m

│          │      coverage.m

│          │      Hamming_loss.m

│          │      One_error.m

│          │      Ranking_loss.m

│          │

│          └─liblinear-1.8

│                  libsvmread.mexw32

│                  libsvmread.mexw64

│                  libsvmwrite.mexw32

│                  libsvmwrite.mexw64

│                  predict.mexw32

│                  predict.mexw64

│                  train.mexw32

│                  train.mexw64

│

├─MIMLBoost and MIMLSVM

│  │  MIMLBoost and MIMLSVM.rar

│  │  Multi-instance multi-label learning with application to scene classification.pdf

│  │

│  └─MIMLBoost&MIMLSVM

│      │  libsvm-mat-2.86-1.zip

│      │  readme.txt

│      │

│      ├─auxiliary

│      │      Average_precision.m

│      │      coverage.m

│      │      Hamming_loss.m

│      │      maxHausdorff.m

│      │      min_max_norm.m

│      │      normalize_bags.m

│      │      One_error.m

│      │      Ranking_loss.m

│      │

│      ├─MIMLBoost

│      │  │  example_data.mat

│      │  │  MIMLBoost_demo.m

│      │  │  MIMLBoost_test.m

│      │  │  MIMLBoost_train.m

│      │  │  MIML_error.m

│      │  │  scene.mat

│      │  │

│      │  └─auxiliary

│      │          Average_precision.m

│      │          coverage.m

│      │          Hamming_loss.m

│      │          maxHausdorff.m

│      │          min_max_norm.m

│      │          normalize_bags.m

│      │          One_error.m

│      │          Ranking_loss.m

│      │

│      ├─MIMLSVM

│      │  │  example_data.mat

│      │  │  maxHausdorff.m

│      │  │  MIMLSVM.m

│      │  │  MIMLSVM_demo.m

│      │  │  MIML_cluster.m

│      │  │  scene.mat

│      │  │

│      │  ├─auxiliary

│      │  │      Average_precision.m

│      │  │      coverage.m

│      │  │      Hamming_loss.m

│      │  │      One_error.m

│      │  │      Ranking_loss.m

│      │  │

│      │  └─BAMIC

│      │          aveHausdorff.m

│      │          BAMIC.m

│      │          maxHausdorff.m

│      │          minHausdorff.m

│      │          set_compare.m

│      │

│      └─sample

│              10CV.mat

│              heart_scale.mat

│              sample.m

│

├─MIMLfast

│  │  Cal500_bag.mat

│  │  DNorm2.c

│  │  DNorm2.m

│  │  DNorm2.mexw64

│  │  emotions_bag.mat

│  │  example.m

│  │  example_data.mat

│  │  MIMLfast.m

│  │  MIML_test.m

│  │  MIML_train.m

│  │  MSE_ML_test1.m

│  │  my_MIMLfast.m

│  │  readme.txt

│  │  sample_max1_small.mexw64

│  │  scene.mat

│  │  test_1.m

│  │

│  ├─auxiliary

│  │      Average_precision.m

│  │      coverage.m

│  │      Hamming_loss.m

│  │      maxHausdorff.m

│  │      min_max_norm.m

│  │      normalize_bags.m

│  │      One_error.m

│  │      Ranking_loss.m

│  │

│  └─Dnorm2

│          DNorm2.c

│          DNorm2.m

│          DNorm2.mexw64

│          license.txt

│          uTest_DNorm2.m

│

├─MIMLNN

│  │  MIMLNN.m

│  │  Parameter Configuration.txt

│  │  readme.m

│  │  sample_data.mat

│  │

│  └─Auxiliary

│          Average_f1.m

│          Average_precision.m

│          Average_recall.m

│          coverage.m

│          Hamming_loss.m

│          MIML_cluster.m

│          One_error.m

│          Ranking_loss.m

│

├─MIML_LPT

│  │  Cal500.mat

│  │  Corel5k.mat

│  │  emotions_bag.mat

│  │  example_data.mat

│  │  LLPT.m

│  │  MIML_LLPT.m

│  │  myRMS.m

│  │  my_RMSE.m

│  │  scene.mat

│  │

│  └─auxiliary

│          Average_precision.asv

│          Average_precision.m

│          coverage.m

│          Hamming_loss.m

│          maxHausdorff.m

│          min_max_norm.m

│          normalize_bags.m

│          One_error.m

│          Ranking_loss.m

│

└─MLkNN

│  Average_precision.m

│  Cal500_bag.mat

│  coverage.m

│  emotions.mat

│  emotions_bag.mat

│  example_data.mat

│  Hamming_loss.m

│  MLKNN_demo.m

│  MLKNN_test.m

│  MLKNN_train.m

│  One_error.m

│  Ranking_loss.m

│  scene.mat

│  test_MLKNN.m

│

└─ML-kNN_ A lazy learning approach to multi-label learning

An instance-based reasoning system for spam labelling and filtering.pdf

GGL_Real_Estate_Pricing.pdf

WISE05-instance-extract.pdf