多標簽分類中的特征選擇算法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

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、模式分類通過學習已知類別的樣本建立分類器,再對類別未知的樣本進行預測。根據單個樣本包含標簽的多少,通常將分類問題分為單標簽分類問題和多標簽分類問題兩類。多標簽分類問題的每一個樣本與一個或多個標簽相關聯(lián),標簽之間存在相關性。在多標簽數據集中,大量冗余特征、不相關特征的存在,可能會增加分類的復雜度,甚至導致分類器性能的降低。因此,特征選擇在多標簽分類中發(fā)揮著重要的作用。
  本文基于過濾式的特征選擇算法,構建了兩種算法擴展型的多標簽特

2、征選擇方法:(1)基于二次規(guī)劃模型和Frank-Wolfe優(yōu)化求解算法的多標簽特征選擇算法QPFS-FW;(2)基于Hilbert-Schmidt獨立性準則和帶控制策略的遺傳算法的多標簽特征選擇算法CGA-HSIC。
  對于QPFS-FW方法,二次規(guī)劃模型同時考察特征之間的冗余性、特征與標簽之間的相關性,Frank-Wolfe算法及其兩種特例形式能快速地求解優(yōu)化問題,并保證解的稀疏性。實驗部分,本文在10個多標簽基準數據集上,將

3、QPFS-FW與3種多標簽特征選擇方法在10種多標簽分類性能評價指標、特征子集的大小、特征選擇時間這三個方面上進行了對比。實驗結果表明,QPFS-FW能在較短時間內,有效地篩選出維數最低的特征子集,并提高分類器的性能。
  對于CGA-HSIC方法,Hilbert-Schmidt獨立性準則評估特征與標簽之間的相關性,帶控制策略的遺傳算法對每次篩選的特征數進行控制,快速收斂到全局最優(yōu)解。實驗部分,本文首先在Emotions數據集上確

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。

評論

0/150

提交評論