基于樣例及屬性特征分析的多標(biāo)記分類(lèi)算法研究.pdf

1、多標(biāo)記學(xué)習(xí)自出現(xiàn)以來(lái)，為各領(lǐng)域普遍存在的多義或歧義性問(wèn)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(gè)研究熱點(diǎn)，多標(biāo)記學(xué)習(xí)已廣泛應(yīng)用于各個(gè)研究領(lǐng)域。本文緒論簡(jiǎn)要綜述了多標(biāo)記學(xué)習(xí)研究背景與意義、兩個(gè)關(guān)注方向的多標(biāo)記分類(lèi)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(píng)價(jià)指標(biāo)及測(cè)試基準(zhǔn)數(shù)據(jù)集；對(duì)本文所使用的對(duì)比算法進(jìn)行了詳細(xì)介紹。
　　多標(biāo)記分類(lèi)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(lèi)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(lèi)：算法適應(yīng)方法、問(wèn)題轉(zhuǎn)化方法、集成方法。第一類(lèi)方法是對(duì)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(lèi)是將多標(biāo)記問(wèn)題轉(zhuǎn)化為若干個(gè)單標(biāo)記問(wèn)題或者回歸問(wèn)題進(jìn)行處理；第三類(lèi)是把上述兩類(lèi)方法單獨(dú)或者聯(lián)合集成為一個(gè)算法處理多標(biāo)記數(shù)據(jù)?；谔卣鲗傩钥臻g的分類(lèi)算法考慮到了樣例的特征屬性空間操作對(duì)分類(lèi)性能的影響，其分類(lèi)效果不亞于其他算法。另外，通過(guò)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(cè)提供了新的思路。
　　本文對(duì)多標(biāo)記分類(lèi)問(wèn)題進(jìn)行的研究如下：
　?。?）基于特征屬性的多標(biāo)記分類(lèi)研究，提出了一種改進(jìn)I2C距離的多標(biāo)記場(chǎng)景分類(lèi)算法。已出現(xiàn)的基于特征屬性的算法都是對(duì)原始數(shù)據(jù)特征屬性進(jìn)行各種變換，另外對(duì)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(chǎng)景圖像進(jìn)行重新提取surf特征，改變了傳統(tǒng)以一個(gè)向量表示一個(gè)樣本的方法，變?yōu)橐韵蛄考媳硎疽粋€(gè)樣本，分類(lèi)即轉(zhuǎn)變?yōu)榛谔卣?/p>

4、屬性粒度；其次采用改進(jìn)的I2C計(jì)算方法來(lái)計(jì)算待測(cè)圖像與已知類(lèi)之間的距離；最后利用標(biāo)記相關(guān)性預(yù)測(cè)所有可能的標(biāo)記，通過(guò)實(shí)驗(yàn)表明該方法在各評(píng)價(jià)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(lèi)研究，提出了一種通過(guò)挖掘樣例之間數(shù)值關(guān)系預(yù)測(cè)樣例標(biāo)記的多標(biāo)記學(xué)習(xí)方法。傳統(tǒng)分類(lèi)算法中，用到樣例之間關(guān)系的只是在特征空間比較兩個(gè)樣例之間的相似性，借此推測(cè)類(lèi)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