已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀
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、分類問題一直是數(shù)據(jù)挖掘的研究熱點。傳統(tǒng)意義上的分類是以每個樣本只對應一類標簽為前提的。但隨著互聯(lián)網技術的不斷發(fā)展，人們收集到的數(shù)據(jù)形式越來越復雜，數(shù)據(jù)樣本也無法用單一標簽準確描述。基于此，便產生了多標簽分類學習問題。在此學習問題中，學習的目標是將多個合適的標簽賦給未知的樣本。
由上可知，多標簽學習中標簽之間是存在相關關系的。因此充分利用這些相關關系不僅能夠提升分類性能，而且可以從少量數(shù)據(jù)中學習到有效信息，并擴展到大數(shù)據(jù)中。因此
2、本文從標簽相關性的角度出發(fā)，在現(xiàn)有的多標簽算法中加入標簽共現(xiàn)關系，來提升分類性能。主要的研究內容如下:
1.首先對多標簽學習的概念進行了詳細介紹，然后闡述了目前標簽相關性的一些研究成果，為之后章節(jié)中基于標簽相關性的多標簽分類算法提供了理論支持以及參考依據(jù)。
2.詳細介紹了Rakel算法思想，分析發(fā)現(xiàn)Rakel算法在標簽選擇過程中的缺少考慮標簽相關關系，從而影響了算法的性能。本文針對這一缺點進行改進，提出基于標簽相關性
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(xiàn)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(lián)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
- 基于特征選擇的多標簽分類算法研究.pdf
- 基于標簽關聯(lián)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
- 基于學習標簽相關性的多標簽分類算法.pdf
- 基于LS-SVM的多標簽分類算法.pdf
- 基于雙標簽支持向量機的快速多標簽分類算法.pdf
- 基于多目標優(yōu)化的多標簽分類算法研究.pdf
- 多標簽文本分類算法研究.pdf
- 基于非負矩陣分解的多標簽分類算法研究.pdf
- 基于集成的單標簽和多標簽數(shù)據(jù)流分類算法研究.pdf
- 多標簽分類算法研究及其應用.pdf
- 基于非負矩陣分解的多標簽分類算法研究
- 基于進化多目標優(yōu)化的多標簽分類算法研究.pdf
- 基于分解策略的多標簽在線分類算法研究.pdf
- 多標簽分類中特征選擇算法研究.pdf
- 基于多目標優(yōu)化的多標簽分類算法參數(shù)調諧研究.pdf
- 中文多標簽文本分類算法研究.pdf
- 多標簽分類中的特征選擇算法研究.pdf
評論
0/150
提交評論