本文的框架选择了一些现有的深度学习模型。随后在每个数据集上训练这些模型得到一组经过训练的模型。然后基于验证集上的准确性和多样性度量进行模型的选择得到一组性能较好的模型集合其中且。假设样本使用模型进行预测会得到关于每个标签的概率输出。例如通过模型可以得到标签的概率输出。然后通过另一个模型也可以得到关于标签的概率输出这样会得到概率分布： 换一种说法自己写哦

本文采用了一些现有的深度学习模型作为研究对象，并在不同的数据集上对这些模型进行训练，得到一组经过训练的模型。接着，我们根据验证集上的准确性和多样性度量来选择性能较好的模型，从而得到一组模型集合。假设我们有一些样本，我们可以使用这些模型对样本进行预测，得到每个标签的概率输出。例如，我们可以通过一个模型得到某个标签的概率输出，然后通过另一个模型也可以得到关于同一标签的概率输出。这样，我们就可以得到一个概率分布。简单地说，本文的研究方法是针对深度学习模型的选择和预测结果的概率分布。