版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、多標記學習是指一個樣本同時具有多個相關標記的學習范式。真實世界的對象往往具有多種語義信息,而多標記學習范式能夠更好地處理這種多語義的情景,所以吸引了眾多研究者的關注。二類分解將多標記學習問題轉化為多個二類分類問題,是求解多標記學習問題的常用策略之一。本文圍繞二類分解多標記學習開展研究,主要做了三方面工作:
首先,標記相關性挖掘是多標記學習的重要研究課題。現(xiàn)有的二類分解多標記學習算法大都采用全階或隨機的方式利用標記相關性,缺乏對
2、于標記相關性利用的有效控制。為此,我們提出了一種基于標記過濾的二類分解多標記學習算法CTRL,該算法針對每個類別標記,基于過濾機制來控制相關標記的選擇與利用。
其次,類別不平衡問題對二類分解多標記學習算法的性能有很大影響。多標記學習范式的類別標記空間往往很大,從而導致更加嚴重的類別不平衡問題。為此,我們提出了一種面向類別不平衡的二類分解多標記學習算法COCOA,通過構建有效的多標記數(shù)據分解機制,把多標記問題轉化為多個三類分類問
3、題,并在處理類別不平衡問題的同時,有效利用標記間的相關性。
再次,在真實世界問題中,一個樣本具有的多個相關標記對該樣本而言可能具有不同的重要性。然而,標記重要度信息隱含于多標記樣本中,學習算法無法直接獲取。為此,我們提出了一種基于標記重要度的二類分解多標記學習算法LIABLE,通過利用標記傳播技術學習隱含于多標記樣本中的標記重要度信息,進而輔助算法獲得更好的分類性能。
本文共分為五章。第一章主要介紹基于二類分解的多標
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 基于特征學習的多示例多標記學習研究.pdf
- 基于標記依賴關系的多標記學習算法研究.pdf
- 基于集成學習的多標記學習算法研究.pdf
- 基于集成學習的多標記學習算法研究
- 基于數(shù)據及標記關聯(lián)的多標記學習算法研究.pdf
- 基于哈希的快速多標記學習算法研究.pdf
- 基于多標記學習與半監(jiān)督聚類的入侵防御技術研究.pdf
- 基于聚類分割和多尺度分解的多波段.pdf
- 二類網絡集成協(xié)議研究.pdf
- 基于多示例多標記學習的自然場景圖像分類.pdf
- 基于樣本加權的多示例多標記遷移學習方法研究.pdf
- 基于非負矩陣分解的多視圖聚類研究.pdf
- 基于多示例多標記學習的圖像語義標注方法的研究.pdf
- 基于二類清查林業(yè)數(shù)據倉庫的建立.pdf
- 基于未標記數(shù)據與類屬屬性的多標記學習算法研究.pdf
- 基于樣例及標記相關性的多標記學習算法研究.pdf
- 二類精神microsoftpowerpoint概要
- 二類指標解讀課件
- 二類汽車維修培訓
- 二類醫(yī)療技術目錄
評論
0/150
提交評論