Apriori算法和貝葉斯分類器在多標(biāo)記學(xué)習(xí)中的應(yīng)用.pdf

1、多標(biāo)記學(xué)習(xí)及其應(yīng)用是當(dāng)前機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域研究的新的熱點問題之一。多標(biāo)記學(xué)習(xí)中的訓(xùn)練數(shù)據(jù)集是由多個標(biāo)記的示例組成，多標(biāo)記學(xué)習(xí)的任務(wù)就是通過對已知類別標(biāo)記的示例進(jìn)行分析從而預(yù)測未知示例的標(biāo)記。多標(biāo)記學(xué)習(xí)在文本分類、web網(wǎng)頁分類、自然場景分類以及生物基因功能分類等領(lǐng)域都有廣泛的應(yīng)用。因此，研究多標(biāo)記學(xué)習(xí)具有一定的現(xiàn)實意義和應(yīng)用價值。學(xué)者已經(jīng)將許多數(shù)據(jù)挖掘中的有效算法應(yīng)用在多標(biāo)記學(xué)習(xí)框架下。例如，神經(jīng)網(wǎng)絡(luò)、ID3算法以及KNN方法應(yīng)用在

2、多標(biāo)記學(xué)習(xí)框架下，但仍然有些問題值得我們?nèi)パ芯俊?br>　　本文主要是研究Apriori算法和貝葉斯分類器在多標(biāo)記學(xué)習(xí)中的分類問題。前者是研究多標(biāo)記的各個類別標(biāo)記之間的關(guān)系，后者是將傳統(tǒng)的樸素貝葉斯分類器推廣到多標(biāo)記學(xué)習(xí)中。
　　首先提出了用Apriori算法挖掘標(biāo)記之間的關(guān)聯(lián)規(guī)則。在標(biāo)記過程中，將具有強關(guān)聯(lián)依賴關(guān)系的復(fù)雜標(biāo)記用依賴關(guān)系中的單標(biāo)記表示，然后用ML-KNN算法對多標(biāo)記數(shù)據(jù)進(jìn)行分類。在最后的標(biāo)記預(yù)測階段，再根據(jù)強關(guān)聯(lián)依

3、賴關(guān)系填補上復(fù)雜標(biāo)記。實驗結(jié)果表明，在對 emotions數(shù)據(jù)集的分類中，這種方法比現(xiàn)有的多標(biāo)記分類方法更有效。
　　針對多標(biāo)記學(xué)習(xí)的特點和評價指標(biāo)，提出了多標(biāo)記樸素貝葉斯分類器來為多標(biāo)記數(shù)據(jù)進(jìn)行分類。在數(shù)據(jù)預(yù)處理階段引入了主成分分析方法，對多標(biāo)記數(shù)據(jù)集的特征向量進(jìn)行維度歸約，減少了實驗的運算量，提高了分類器的分類準(zhǔn)確性。然后將這種方法推廣應(yīng)用在基于互信息和條件互信息測度的樹擴展的貝葉斯分類器TANC中。最后多標(biāo)記樸素貝葉斯分類器