版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著“互聯(lián)網(wǎng)+”發(fā)展,與人們生活息息相關(guān)的多標(biāo)簽數(shù)據(jù)將會大量產(chǎn)生。由于多標(biāo)簽學(xué)習(xí)過程中需要考慮屬性特征與多個(gè)標(biāo)簽、標(biāo)簽之間的相關(guān)性,從而使得多標(biāo)簽學(xué)習(xí)在分類和降維方面比單標(biāo)簽學(xué)習(xí)更為復(fù)雜、更具挑戰(zhàn)性。
自上世紀(jì)九十年代末多標(biāo)簽學(xué)習(xí)的概念提出以來,吸引了眾多專家學(xué)者的關(guān)注。多標(biāo)簽學(xué)習(xí)的研究成果如雨后春筍,主要集中在分類和降維兩個(gè)研究方向。數(shù)據(jù)降維是機(jī)器學(xué)習(xí)中的重要步驟,是提高數(shù)據(jù)分類性能的重要手段。本文提出了PCAI和MRF-m
2、RMR兩種數(shù)據(jù)降維算法。PCAI算法與原有算法相比,分類效果明顯提升;MRF-mRMR算法在去除冗余屬性特征的同時(shí)還能保持屬性特征與標(biāo)簽之間的相關(guān)性。本文對多標(biāo)簽學(xué)習(xí)的研究可以分為兩部分。
第一部分提出了基于PCA算法的PCAI數(shù)據(jù)降維算法,并利用ML-kNN分類器對數(shù)據(jù)分類。首先,提出了信息容忍度的概念,并定義了其計(jì)算公式,同時(shí)對公式中的參數(shù)取值范圍做了實(shí)驗(yàn)探討;其次,得到數(shù)據(jù)降維后的特征值,并將特征值得應(yīng)用到ML-kNN分
3、類器中對距離的加權(quán)上;最后,將降維后的數(shù)據(jù)集應(yīng)用到改進(jìn)后的ML-kNN分類器中驗(yàn)證降維效果。
第二部分講述了Relief算法和mRMR算法,一方面對Relief算法中屬性特征權(quán)重的計(jì)算方式進(jìn)行改進(jìn),另一方面提出了 MRF-mRMR組合特征選擇算法。提出的MRF-mRMR算法既保持了mRMR算法最大相關(guān)和最小冗余的優(yōu)勢,又擁有Relief算法對每個(gè)屬性特征加權(quán)排序的優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明,MRF-mRMR組合算法的降維效果明顯優(yōu)于已
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒計(jì)算的K近鄰多標(biāo)簽學(xué)習(xí)算法.pdf
- 基于多核學(xué)習(xí)的多標(biāo)簽特征降維算法研究.pdf
- 基于K近鄰的多標(biāo)簽學(xué)習(xí)方法研究.pdf
- 多標(biāo)簽數(shù)據(jù)的降維與分類算法研究.pdf
- 多標(biāo)簽學(xué)習(xí)的特征降維方法.pdf
- 基于數(shù)據(jù)轉(zhuǎn)化的k近鄰查詢算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法的研究.pdf
- 基于稀疏表示的近鄰保持嵌入數(shù)據(jù)降維研究.pdf
- 加密數(shù)據(jù)的k近鄰查詢算法研究.pdf
- 基于K近鄰的分類算法研究.pdf
- 基于主動學(xué)習(xí)的多示例多標(biāo)簽學(xué)習(xí)算法研究.pdf
- 基于特征選擇的數(shù)據(jù)降維算法研究.pdf
- 高維數(shù)據(jù)流上的K近鄰問題研究.pdf
- 基于流形學(xué)習(xí)的降維算法.pdf
- 基于矩陣分解理論學(xué)習(xí)的數(shù)據(jù)降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維的研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維.pdf
- 基于學(xué)習(xí)標(biāo)簽相關(guān)性的多標(biāo)簽分類算法.pdf
- 基于哈希算法的高維數(shù)據(jù)的最近鄰檢索.pdf
評論
0/150
提交評論