基于粒計(jì)算的K近鄰多標(biāo)簽學(xué)習(xí)算法.pdf

1、隨著當(dāng)今社會(huì)以及信息技術(shù)的快速發(fā)展，多標(biāo)簽分類(lèi)學(xué)習(xí)問(wèn)題成為現(xiàn)實(shí)社會(huì)中的一類(lèi)重要的分類(lèi)問(wèn)題，其在實(shí)際中有著十分廣泛的應(yīng)用，比如文本分類(lèi)、圖片場(chǎng)景分類(lèi)、生物基因功能分類(lèi)等方面。多標(biāo)簽分類(lèi)學(xué)習(xí)問(wèn)題已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn)，學(xué)者先后提出了許多種多標(biāo)簽學(xué)習(xí)算法來(lái)解決多標(biāo)簽分類(lèi)問(wèn)題，總的來(lái)看這些算法可以分為兩類(lèi)：?jiǎn)栴}轉(zhuǎn)化法和算法改進(jìn)法，問(wèn)題轉(zhuǎn)化法是將一個(gè)多標(biāo)簽分類(lèi)問(wèn)題轉(zhuǎn)化為若干個(gè)單標(biāo)簽分類(lèi)問(wèn)題，算法改進(jìn)法是改進(jìn)原有的單標(biāo)簽分類(lèi)算法使它可以

2、用來(lái)處理多標(biāo)簽分類(lèi)問(wèn)題。
　　 本文介紹了多標(biāo)簽分類(lèi)學(xué)習(xí)，然后重點(diǎn)討論了一些重要的多標(biāo)簽分類(lèi)算法：基于集成學(xué)習(xí)的多標(biāo)簽分類(lèi)算法，基于支持向量機(jī)的多標(biāo)簽分類(lèi)算法，基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽分類(lèi)算法，基于覆蓋算法的多標(biāo)簽分類(lèi)算法和k近鄰多標(biāo)簽算法；分析了這些算法的優(yōu)點(diǎn)與不足，針對(duì)k近鄰多標(biāo)簽算法的某些不足進(jìn)行改進(jìn)，從而提出一種新的多標(biāo)簽分類(lèi)算法。主要完成一下內(nèi)容：
　　 1、對(duì)多標(biāo)簽學(xué)習(xí)以及一些重要的多標(biāo)簽分類(lèi)算法進(jìn)行綜述，闡述這

3、些多標(biāo)簽分類(lèi)算法的具體過(guò)程，指出它們?cè)趯?shí)際應(yīng)用中的成功之處與不足，對(duì)某些算法今后的改進(jìn)工作做了初步探討。
　　 2、針對(duì)k近鄰多標(biāo)簽分類(lèi)學(xué)習(xí)算法(ML-kNN)中的在每次學(xué)習(xí)的過(guò)程中都預(yù)先指定樣本的樣本近鄰點(diǎn)個(gè)數(shù)而不考慮樣本近鄰點(diǎn)的具體的分布情況，對(duì)其中的不足進(jìn)行了分析，提出改進(jìn)型算法。
　　 3、將粒計(jì)算的思想引入到k近鄰多標(biāo)簽算法的樣本近鄰點(diǎn)集的選取過(guò)程中，提出基于粒計(jì)算的K近鄰多標(biāo)簽學(xué)習(xí)算法(ML-GkNN)，通過(guò)