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、分類問題是模式識別的核心研究內容,其目的是通過對己知標簽數據集的學習設計一個分類器,然后用該分類器來預測新樣本的標簽。按照樣本所屬標簽個數,分類問題可以分為單標簽分類問題和多標簽分類問題。在多標簽分類問題中,標簽與標簽之間存在著一定的依賴或關聯關系,而且問題中的樣本可以同時屬于多個標簽,因此多標簽分類問題是最為復雜的分類問題之一。目前,現實世界中存在著大量的多標簽分類問題,多標簽分類算法有非常廣泛的應用前景,它將會引起人們越來越多的關注
2、和重視。
對于多標簽分類問題,本文提出了一種新穎的直接處理多標簽分類問題的方法,該方法在一個優(yōu)化問題中同時考慮所有的標簽,保持標簽與標簽之間的關聯關系。我們算法的基本設計思路:首先根據多標簽支持向量機Rank-SVM的基本原理,建立兩個目標優(yōu)化函數,即最大化分類間隔函數和最小化排序損失函數,然后引入多目標優(yōu)化技術,利用目前廣泛使用的進化多目標優(yōu)化方法即改進的非劣分類算法(NSGA-II)來同時優(yōu)化這兩個目標函數,從而直接處
3、理多標簽分類問題。
在算法的實驗部分,本文歸納了多種常用的多標簽分類算法的評價標準,然后在四個公開的基準數據集,即酵母數據集、場景數據集、情感數據集和基因數據集上開展計算實驗,并與一些現有的多標簽分類算法進行分類性能比較。由于任何一個多標簽分類算法都不能保證在所有的評價標準上都能達到最優(yōu),因此,本文為實驗中各個算法的每個評價標準進行打分,然后求每個算法的總得分,根據這個總分對所有算法的性能進行排序。實驗結果表明,在與Boo
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
- 基于進化多目標優(yōu)化的多標簽分類算法研究.pdf
- 基于多目標優(yōu)化的多標簽分類算法參數調諧研究.pdf
- 基于多目標優(yōu)化的多標簽特征選擇算法研究.pdf
- 基于Pareto多目標優(yōu)化的SVM多類分類算法的實現.pdf
- 基于多目標優(yōu)化算法的推薦算法研究.pdf
- 基于標簽相關性的多標簽分類算法研究.pdf
- 基于KNN的多標簽分類算法研究.pdf
- 基于NSGA-Ⅱ和免疫算法的多目標優(yōu)化與分類.pdf
- 基于多族群PSO算法的森林空間動態(tài)多目標優(yōu)化研究.pdf
- 基于遺傳算法的多目標優(yōu)化算法研究.pdf
- 基于圖分類的多目標跟蹤算法.pdf
- 基于多目標優(yōu)化的進化算法研究.pdf
- 基于特征選擇的多標簽分類算法研究.pdf
- 基于標簽關聯的多標簽分類問題的算法改進.pdf
- 多標簽分類中標簽編碼算法研究.pdf
- 基于組合算法的多目標優(yōu)化研究.pdf
- 基于改進免疫算法的多目標優(yōu)化研究.pdf
- 基于學習標簽相關性的多標簽分類算法.pdf
- 基于共現關系的多標簽分類算法研究.pdf
- 基于混沌鳥群算法的多目標優(yōu)化算法研究.pdf
評論
0/150
提交評論