

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、多標(biāo)記問(wèn)題在現(xiàn)實(shí)世界的大量應(yīng)用中普遍存在,現(xiàn)在已經(jīng)成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘兩個(gè)相關(guān)領(lǐng)域的研究熱點(diǎn)。多標(biāo)記學(xué)習(xí)的提出為多義性對(duì)象的復(fù)雜化問(wèn)題提供了一種有效的解決方法,目前已存在大量的多標(biāo)記學(xué)習(xí)算法,并在文本分類、生物信息學(xué)、自動(dòng)視頻注釋、場(chǎng)景分類和許多其他領(lǐng)域廣泛應(yīng)用。
然而,現(xiàn)在的解決多標(biāo)記學(xué)習(xí)問(wèn)題的方法側(cè)重于利用傳統(tǒng)的監(jiān)督學(xué)習(xí)框架,其做法通??梢苑譃槿N:第一種是把多標(biāo)記學(xué)習(xí)問(wèn)題轉(zhuǎn)換為多個(gè)兩類分類問(wèn)題,其中每個(gè)標(biāo)記對(duì)應(yīng)一個(gè)二分
2、類問(wèn)題,這種方法適用于不是很明顯的范疇,在樣品豐富的情況下性能將是更好的,但更容易遇到標(biāo)記樣本稀疏的問(wèn)題;第二種是多標(biāo)記學(xué)習(xí)問(wèn)題轉(zhuǎn)化為標(biāo)記順序問(wèn)題,這種方法重點(diǎn)在于對(duì)標(biāo)記之間進(jìn)行正確的排序,但它需要額外的學(xué)習(xí)閾值函數(shù)來(lái)獲得相關(guān)標(biāo)記的最終集合,但是通常比較難獲得這個(gè)閾值函數(shù);第三種是標(biāo)記之間的結(jié)構(gòu)信息和多標(biāo)記問(wèn)題研究相結(jié)合的方法,這種方法在合理使用結(jié)構(gòu)信息時(shí),可實(shí)現(xiàn)很好的性能,但缺乏領(lǐng)域知識(shí)指導(dǎo)時(shí),幾乎不知道如何使用結(jié)構(gòu)信息較好。
3、 基于以上方法,本文以提高分類精度為切入點(diǎn),通過(guò)對(duì)多標(biāo)記示例集的定義和提取,基于近鄰加權(quán)及多示例的多標(biāo)記學(xué)習(xí)算法的提出,多標(biāo)記與半監(jiān)督學(xué)習(xí)算法的結(jié)合,進(jìn)行了為提高多標(biāo)記學(xué)習(xí)算法精度的深入研究。
本文進(jìn)行的主要研究工作和提出的創(chuàng)新點(diǎn)總結(jié)如下:
1、多標(biāo)記學(xué)習(xí)中問(wèn)題轉(zhuǎn)化的研究?,F(xiàn)有的多標(biāo)記算法中存在將多標(biāo)記問(wèn)題轉(zhuǎn)化為多標(biāo)記多示例問(wèn)題的思想,這在一定程度上提高了多標(biāo)記學(xué)習(xí)的分類性能,但在時(shí)間復(fù)雜度、分類精度等方面仍可以進(jìn)
4、一步提高。引進(jìn)KNN(K-Nearest Neighbor)和加權(quán)方法,對(duì)每一個(gè)可能存在的類別標(biāo)記,確定集合中屬于這一類別標(biāo)記的 K個(gè)近鄰樣例,近鄰給予加權(quán)再取平均后得到平均向量,樣本就轉(zhuǎn)化成數(shù)據(jù)包的形式,來(lái)保持?jǐn)?shù)據(jù)整體分布的局部特性,提高分類的準(zhǔn)確度。
2、基于數(shù)據(jù)集中存在的大量未標(biāo)記樣例的多標(biāo)記問(wèn)題的研究。在現(xiàn)實(shí)世界的問(wèn)題中,往往更容易獲得大量未標(biāo)記數(shù)據(jù),每個(gè)對(duì)象都具有一個(gè)以上的標(biāo)記,這大大增加了獲得已標(biāo)記數(shù)據(jù)的難度。因此
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)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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
- co-training based on ensemble learning
- 基于Co-training方法的中文組塊識(shí)別的研究.pdf
- 基于Co-training的評(píng)價(jià)搭配抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Tri-training的半監(jiān)督多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于Co-training訓(xùn)練CRF模型的評(píng)價(jià)搭配識(shí)別.pdf
- 基于數(shù)據(jù)及標(biāo)記關(guān)聯(lián)的多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于未標(biāo)記數(shù)據(jù)與類屬屬性的多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于問(wèn)題轉(zhuǎn)換的偏標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于集成學(xué)習(xí)的多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于標(biāo)記依賴關(guān)系的多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于集成學(xué)習(xí)的多標(biāo)記學(xué)習(xí)算法研究
- 基于多標(biāo)記學(xué)習(xí)的圖像標(biāo)注算法研究與實(shí)現(xiàn).pdf
- 基于哈希的快速多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于Co_training的數(shù)據(jù)集重疊問(wèn)題研究.pdf
- 多標(biāo)記學(xué)習(xí)分類算法研究.pdf
- 基于多標(biāo)記激活算法和遺傳算法的數(shù)據(jù)挖掘研究.pdf
- 基于Tri-Training的不完全標(biāo)記數(shù)據(jù)流分類算法研究.pdf
- 基于樣例及標(biāo)記相關(guān)性的多標(biāo)記學(xué)習(xí)算法研究.pdf
- 基于特征學(xué)習(xí)的多示例多標(biāo)記學(xué)習(xí)研究.pdf
- 基于TrI-training的半監(jiān)督學(xué)習(xí)算法研究.pdf
評(píng)論
0/150
提交評(píng)論