版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、多標(biāo)簽分類(lèi)問(wèn)題是一種在當(dāng)今現(xiàn)實(shí)生活中普遍存在的分類(lèi)問(wèn)題,而隨著機(jī)器學(xué)習(xí)技術(shù)與人工智能的發(fā)展,大數(shù)據(jù)時(shí)代的來(lái)臨,現(xiàn)今多標(biāo)簽分類(lèi)技術(shù)已經(jīng)廣泛應(yīng)用于基因分類(lèi),文本分類(lèi),音樂(lè)分類(lèi),數(shù)據(jù)挖掘及圖像分類(lèi),也越來(lái)越受到國(guó)內(nèi)外學(xué)者的重視,成為了一種十分重要的分類(lèi)問(wèn)題的分支。
多標(biāo)簽分類(lèi)問(wèn)題的概念來(lái)源于與傳統(tǒng)分類(lèi)問(wèn)題之間的比較,在傳統(tǒng)分類(lèi)問(wèn)題中,一般問(wèn)題中僅僅具有兩個(gè)標(biāo)簽,并且每一個(gè)樣本都會(huì)屬于其中一個(gè)標(biāo)簽,而多標(biāo)簽分類(lèi)中,標(biāo)簽總數(shù)一般超過(guò)兩個(gè)
2、,而且對(duì)于每一個(gè)樣本來(lái)說(shuō),其所屬的標(biāo)簽數(shù)目一般是不定的,這就使得多標(biāo)簽問(wèn)題變得更加難解決?,F(xiàn)實(shí)中,分類(lèi)問(wèn)題由于樣本的重疊訓(xùn)練和標(biāo)簽的相關(guān)性,會(huì)導(dǎo)致分類(lèi)錯(cuò)誤,而在多標(biāo)簽問(wèn)題中,這樣的情況也會(huì)出現(xiàn)。而現(xiàn)今的一種最廣泛應(yīng)用于解決多標(biāo)簽分類(lèi)的方法——Binary Relevance算法能夠較好的解決多標(biāo)簽分類(lèi)問(wèn)題,但是其在分類(lèi)過(guò)程中忽略的標(biāo)簽關(guān)聯(lián)這一對(duì)多標(biāo)簽分類(lèi)十分重要的信息。所以本文提出了一種基于標(biāo)簽關(guān)系和分類(lèi)置信度的算法,旨在利用訓(xùn)練樣本信
3、息,提取出標(biāo)簽關(guān)聯(lián)度,并利用標(biāo)簽關(guān)聯(lián)以動(dòng)態(tài)權(quán)重的策略結(jié)合分類(lèi)部分以提高分類(lèi)準(zhǔn)確率。
本文的基本思路如下,首先利用Binary Relevance將多標(biāo)簽問(wèn)題轉(zhuǎn)化為多個(gè)獨(dú)立的二分類(lèi)問(wèn)題,利用概率輸出支持向量機(jī)得到每個(gè)樣本關(guān)于任意標(biāo)簽的分類(lèi)概率。然后根據(jù)訓(xùn)練集的先驗(yàn)情況,通過(guò)提出的標(biāo)簽關(guān)聯(lián)度抽取模型,計(jì)算得到標(biāo)簽間的關(guān)系,再依據(jù)每一個(gè)樣本的分類(lèi)置信度,確定分類(lèi)器輸出概率與標(biāo)簽關(guān)聯(lián)的結(jié)合權(quán)重。再利用二分類(lèi)結(jié)果,標(biāo)簽關(guān)聯(lián),和結(jié)合權(quán)重,
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)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(qǐng)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(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于標(biāo)簽相關(guān)性的多標(biāo)簽分類(lèi)算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的多標(biāo)簽分類(lèi)研究.pdf
- 基于學(xué)習(xí)標(biāo)簽相關(guān)性的多標(biāo)簽分類(lèi)算法.pdf
- 基于雙標(biāo)簽支持向量機(jī)的快速多標(biāo)簽分類(lèi)算法.pdf
- 多標(biāo)簽分類(lèi)中標(biāo)簽編碼算法研究.pdf
- 多標(biāo)簽分類(lèi)問(wèn)題的學(xué)習(xí)
- 基于KNN的多標(biāo)簽分類(lèi)算法研究.pdf
- 基于LS-SVM的多標(biāo)簽分類(lèi)算法.pdf
- 基于集成的單標(biāo)簽和多標(biāo)簽數(shù)據(jù)流分類(lèi)算法研究.pdf
- 基于特征選擇的多標(biāo)簽分類(lèi)算法研究.pdf
- 基于共現(xiàn)關(guān)系的多標(biāo)簽分類(lèi)算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)簽關(guān)聯(lián)的多標(biāo)簽學(xué)習(xí).pdf
- 基于多目標(biāo)優(yōu)化的多標(biāo)簽分類(lèi)算法研究.pdf
- 多標(biāo)簽文本分類(lèi)算法研究.pdf
- 基于非負(fù)矩陣分解的多標(biāo)簽分類(lèi)算法研究.pdf
- 多標(biāo)簽分類(lèi)算法研究及其應(yīng)用.pdf
- 基于非負(fù)矩陣分解的多標(biāo)簽分類(lèi)算法研究
- 基于進(jìn)化多目標(biāo)優(yōu)化的多標(biāo)簽分類(lèi)算法研究.pdf
- 基于分解策略的多標(biāo)簽在線分類(lèi)算法研究.pdf
- 代價(jià)敏感的多標(biāo)簽分類(lèi)算法及其在標(biāo)簽推薦中應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論