結(jié)合主動學(xué)習(xí)的半監(jiān)督貝葉斯網(wǎng)絡(luò)多類標(biāo)分類.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、多類標(biāo)問題在現(xiàn)實(shí)世界中普遍存在。在多類標(biāo)分類問題中,訓(xùn)練集中的每個樣本都對應(yīng)由一個或者多個類標(biāo)組合而成。多類標(biāo)學(xué)習(xí)的任務(wù)就是在類標(biāo)集大小未知的情況下,為未知的樣本預(yù)測其類標(biāo)集。傳統(tǒng)的分類中每個樣本只屬于一個類,多類標(biāo)分類問題與之明顯不同。因此,單類標(biāo)分類的算法不能直接用于處理這類多類標(biāo)數(shù)據(jù)。
  傳統(tǒng)的多類標(biāo)分類算法大多是在常見的單類標(biāo)算法基礎(chǔ)上進(jìn)行改進(jìn),這類算法均非常依賴于機(jī)器學(xué)習(xí)所需要的訓(xùn)練數(shù)據(jù)集。因此,如何在訓(xùn)練數(shù)據(jù)稀缺的現(xiàn)

2、實(shí)環(huán)境下利用少量的標(biāo)記樣本和大量的未標(biāo)記的樣本進(jìn)行學(xué)習(xí),構(gòu)建有效的分類器,成為當(dāng)前該方向的重點(diǎn)和難點(diǎn)。
  針對傳統(tǒng)的多類標(biāo)分類算法需要大量已標(biāo)記數(shù)據(jù)才能有效建模的問題,提出一種使用高斯域和貝葉斯網(wǎng)絡(luò)來結(jié)合主動學(xué)習(xí)與半監(jiān)督的多類標(biāo)分類算法。
  (1)首先,針對多類標(biāo)數(shù)據(jù)的特征屬性維數(shù)高的特點(diǎn),提出了一種采用LLE降維算法并建立多個貝葉斯網(wǎng)絡(luò)的多類標(biāo)分類算法;
  (2)然后,在高斯隨機(jī)域模型的基礎(chǔ)上提出了一種結(jié)合主動

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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