基于樣例及屬性特征分析的多標(biāo)記分類算法研究.pdf

1、多標(biāo)記學(xué)習(xí)自出現(xiàn)以來，為各領(lǐng)域普遍存在的多義或歧義性問題提供了有效的解決辦法，彌補(bǔ)了傳統(tǒng)單標(biāo)記學(xué)習(xí)的不足。作為機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘方向的一個研究熱點(diǎn)，多標(biāo)記學(xué)習(xí)已廣泛應(yīng)用于各個研究領(lǐng)域。本文緒論簡要綜述了多標(biāo)記學(xué)習(xí)研究背景與意義、兩個關(guān)注方向的多標(biāo)記分類算法的研究現(xiàn)狀；詳細(xì)介紹了多標(biāo)記學(xué)習(xí)相關(guān)的理論基礎(chǔ)，包括學(xué)習(xí)框架、性能評價指標(biāo)及測試基準(zhǔn)數(shù)據(jù)集；對本文所使用的對比算法進(jìn)行了詳細(xì)介紹。
　　多標(biāo)記分類是多標(biāo)記學(xué)習(xí)任務(wù)重要的組成部分，

2、關(guān)于多標(biāo)記分類算法的研究，絕大多數(shù)研究者關(guān)注的是標(biāo)記空間，主要算法大致分為三類：算法適應(yīng)方法、問題轉(zhuǎn)化方法、集成方法。第一類方法是對傳統(tǒng)已有的學(xué)習(xí)算法進(jìn)行改進(jìn)擴(kuò)展使其適應(yīng)多標(biāo)記數(shù)據(jù)；第二類是將多標(biāo)記問題轉(zhuǎn)化為若干個單標(biāo)記問題或者回歸問題進(jìn)行處理；第三類是把上述兩類方法單獨(dú)或者聯(lián)合集成為一個算法處理多標(biāo)記數(shù)據(jù)。基于特征屬性空間的分類算法考慮到了樣例的特征屬性空間操作對分類性能的影響，其分類效果不亞于其他算法。另外，通過挖掘樣例之間數(shù)值關(guān)系

3、，將關(guān)系映射到標(biāo)記空間，也為標(biāo)記預(yù)測提供了新的思路。
　　本文對多標(biāo)記分類問題進(jìn)行的研究如下：
　?。?）基于特征屬性的多標(biāo)記分類研究，提出了一種改進(jìn)I2C距離的多標(biāo)記場景分類算法。已出現(xiàn)的基于特征屬性的算法都是對原始數(shù)據(jù)特征屬性進(jìn)行各種變換，另外對原始數(shù)據(jù)集特征提取方法的改變也可以達(dá)到目的。本文將多標(biāo)記場景圖像進(jìn)行重新提取surf特征，改變了傳統(tǒng)以一個向量表示一個樣本的方法，變?yōu)橐韵蛄考媳硎疽粋€樣本，分類即轉(zhuǎn)變?yōu)榛谔卣?/p>

4、屬性粒度；其次采用改進(jìn)的I2C計算方法來計算待測圖像與已知類之間的距離；最后利用標(biāo)記相關(guān)性預(yù)測所有可能的標(biāo)記，通過實(shí)驗表明該方法在各評價指標(biāo)上效果有所提升。
　?。?）基于樣例數(shù)值關(guān)系的多標(biāo)記分類研究，提出了一種通過挖掘樣例之間數(shù)值關(guān)系預(yù)測樣例標(biāo)記的多標(biāo)記學(xué)習(xí)方法。傳統(tǒng)分類算法中，用到樣例之間關(guān)系的只是在特征空間比較兩個樣例之間的相似性，借此推測類別標(biāo)記，忽略了存在于樣例之間的數(shù)值關(guān)系。充分挖掘樣例之間的數(shù)值關(guān)系，將挖掘的數(shù)值關(guān)系