一種基于全局和局部標記相關性的多標記分類算法_第1頁
一種基于全局和局部標記相關性的多標記分類算法_第2頁
一種基于全局和局部標記相關性的多標記分類算法_第3頁
一種基于全局和局部標記相關性的多標記分類算法_第4頁
全文預覽已結束

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

型許多研究者嘗試通過特征選擇和標記關聯性學習來解決多標記分類中的標記相關性問題。其中一種方法是使用基于關聯規則的方法進行特Mlti-eatureceM(SSVM)[1MutleaturecnLFS)[2]等。另外，還有一些基于圖模型的算法，利用圖結構建模標記之間的相關性。例如，LbelatonofcalTrust(LPST)[3]、CodtonalandomsforutlCasston(CF[4]，rah-basedut-abelCasfcatinGC)[]等。這些算法雖Yyi,ji個樣本是否含有標簽j；XYf(X,Y)，通過最小化f(X,Y)來學習標記矩陣Y和特征矩陣X；使用SingularValueDecomposition(SVD)的方法對標記矩陣YU和一個對角矩陣Σ，U表示標簽之間的相X(i)i個樣本，Y(i)表示該樣本的標記矩陣，Y(j)表示第j個標記，S(i,j)表示樣本i與標記jS(i,j)=X(i)UΣUY(j)0-10.5的標記作為該樣本的KNN的iKNi，將其當做一個新樣本，得到新的特征集合X(Ni)，將這些特征送入SVD模型；得到一個與Ni對應的標記集合Y(Ni)，將Y(Ni)用眾數統計得F(Ni)，并將其歸一化；F(Ni)Ni中心點的標記矩陣做加權平均，得到局部標記相UCI多標記數據集和人造數據集上測試了該算法。實驗結果Guo,Y.,&Liu,T.(2012).Multi-featureselectivesupportvectormachineformulti-labelclassification.JournalofMachineLearningResearch,13(7),1961-1982.Eliseeva,M.,&Last,M.(2013).Multi-labelfeatureselectionusingtree-basedmethodsforonlinefeatureselection.MachineLearningandKnowledgeDiscoveryinDatabases,7981,181-196.Zhou,T.,Huang,M.,&Liu,Y.(2010).Labelpropagationthroughsocialtrust.DataMiningandKnowledgeDiscovery,20(2),390-Wang,Y.,&Zhang,J.(2013).Conditionalrandomfieldsformulti-labelclassification.PatternRecognitionLetters,34(6),641-647.Zhang,M.,Zhang,K.,&Chua,T.S.(2014).Graph-basedmulti-labelclassification.Proceedingsofthe37thInternati

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或盈利用途。
  • 5. 人人文庫網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。

評論

0/150

提交評論