基于數(shù)據(jù)及標(biāo)記關(guān)聯(lián)的多標(biāo)記學(xué)習(xí)算法研究.pdf

1、多標(biāo)記學(xué)習(xí)最早出現(xiàn)在文檔分類問題中,由于歧義性問題的存在,造成一條數(shù)據(jù)可能同時具有多個不同的類別標(biāo)記。多標(biāo)記學(xué)習(xí)問題廣泛存在于現(xiàn)實實際問題中,多標(biāo)記學(xué)習(xí)已逐漸成為國際機器學(xué)習(xí)界一個新的研究熱點,在眾多領(lǐng)域得到了廣泛應(yīng)用。隨著對多標(biāo)記學(xué)習(xí)的逐步深入研究,還衍生出了多示例學(xué)習(xí)、多標(biāo)記排序等新的研究問題,對多標(biāo)記學(xué)習(xí)相關(guān)問題的研究有著重要的積極意義。本文緒論主要介紹了多標(biāo)記學(xué)習(xí)的研究背景及研究意義、目前國內(nèi)外多標(biāo)記學(xué)習(xí)的研究現(xiàn)狀及面臨的主要問

2、題;簡要介紹了多標(biāo)記學(xué)習(xí)的形式化定義與衡量多標(biāo)記學(xué)習(xí)算法的評價準(zhǔn)則等。詳細介紹了多標(biāo)記學(xué)習(xí)中幾種典型的算法。本文主要從數(shù)據(jù)相關(guān)性與標(biāo)記相關(guān)性兩個方面對多標(biāo)記學(xué)習(xí)問題進行了研究,并基于以上研究提出了相應(yīng)的算法來解決多標(biāo)記學(xué)習(xí)所遇到的問題,并對相應(yīng)的算法進行了一定量的對比試驗來驗證算法的優(yōu)越性。
　　本文主要從以下兩個方面開展對多標(biāo)記學(xué)習(xí)問題的研究:
　　(1)針對數(shù)據(jù)相關(guān)性問題的研究,提出了一種基于標(biāo)記特征的多標(biāo)記學(xué)習(xí)改進算法

3、W-LIFT。樣例具有一定的分布特性,具有相同標(biāo)記的樣例通常聚集到一起,一個樣例的標(biāo)記信息可能會對附近其他樣例的學(xué)習(xí)提供有用信息,特別是在數(shù)據(jù)比較匱乏的情形下,利用已標(biāo)記的數(shù)據(jù)與未標(biāo)記數(shù)據(jù)間的相互關(guān)系,能夠在一定程度上避免因為數(shù)據(jù)匱乏所造成的誤差,使得分類性能更加準(zhǔn)確。LIFT算法是基于標(biāo)記特征的一種多標(biāo)記學(xué)習(xí)算法,算法在分類過程中采用等權(quán)重方式,忽略了樣例之間的相關(guān)性?；趯永嚓P(guān)性問題的研究,本文提出了W-LIFT算法,算法在分類

4、過程中考慮樣例之間的相互關(guān)系,通過加權(quán)的方式使生成的特征集更加準(zhǔn)確,用于提高多標(biāo)記分類的效果。并對此進行了大量的對比實驗,實驗結(jié)果表明W-LIFT算法的分類性能良好。
　　(2)針對標(biāo)記相關(guān)性問題的研究,提出了一種局部順序分類器鏈算法LOCC。在多標(biāo)記的實際分類問題中,一個標(biāo)記可能會為與其相關(guān)的其他標(biāo)記提供有用信息,特別是那些含有少量訓(xùn)練樣例的標(biāo)記,考慮標(biāo)記相關(guān)性能夠減小因數(shù)據(jù)不足造成的誤差。目前有研究將標(biāo)記相關(guān)性引入多標(biāo)記學(xué)習(xí),

5、通過分類器鏈的形式將標(biāo)記結(jié)果引入屬性空間,為學(xué)習(xí)其他標(biāo)記提供有用信息。分類器鏈中標(biāo)記的預(yù)測順序具有隨機性,分類結(jié)果存在著很大的不確定性與不穩(wěn)定性,且容易造成錯誤信息的傳播。,基于對標(biāo)記相關(guān)性問題及分類器鏈算法的研究,本文提出了LOCC算法,算法充分考慮標(biāo)記的局部分布特性,從概率角度給出樣例可能具有的標(biāo)記,并根據(jù)可能性大小對分類器進行排序,賦予標(biāo)記一個有序的學(xué)習(xí)過程,解決分類器鏈中因分類器順序問題造成的誤差。通過與其他多標(biāo)記分類算法的大量