隨著數(shù)據(jù)挖掘的發(fā)展,多標(biāo)簽分類如今已被廣泛應(yīng)用在文本分類、圖像分類、生物信息學(xué)、信息檢索以及視頻處理等領(lǐng)域中。多標(biāo)簽分類對(duì)每個(gè)樣本都學(xué)習(xí)一個(gè)或多個(gè)標(biāo)簽類別。而隨著數(shù)據(jù)形式越來越復(fù)雜,標(biāo)簽數(shù)量越來越多,未知樣本的可能標(biāo)簽集合數(shù)量也呈指數(shù)形式增長(zhǎng),即多標(biāo)簽分類面臨輸出空間規(guī)模巨大的問題。在實(shí)際問題中,標(biāo)簽類別在語義空間中往往具有相關(guān)性,如果在學(xué)習(xí)過程中能夠充分考慮標(biāo)簽類別間的相關(guān)性,則在一定程度上能避免巨大輸出空間問題,提高分類器的分類性能。同時(shí),在分類數(shù)據(jù)集中,不同類別的樣本數(shù)量往往相差很多,即多標(biāo)簽分類很可能面臨類不平衡問題。如果在學(xué)習(xí)過程中忽略類不平衡問題,則可能會(huì)導(dǎo)致分類器最終的預(yù)測(cè)結(jié)果全部偏向樣本數(shù)較多的類別,從而影響到分類性能。本文針對(duì)多標(biāo)簽分類展開相關(guān)的研究工作,提出基于標(biāo)簽相關(guān)性和類不平衡性的多標(biāo)簽分類算法MLCI（Multi-Label Classification Algorithm Based on Label Correlation and Class Imbalance）。主要的研究工作如下:（1）針對(duì)多標(biāo)簽分類的輸出空間規(guī)模巨大問題,MLCI算法通過考慮標(biāo)簽的相... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
主要符號(hào)表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 多標(biāo)簽分類的應(yīng)用領(lǐng)域
        1.2.2 基于標(biāo)簽相關(guān)性的多標(biāo)簽分類
        1.2.3 基于類不平衡性的多標(biāo)簽分類
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)知識(shí)綜述
    2.1 多標(biāo)簽學(xué)習(xí)研究方向
    2.2 多標(biāo)簽分類算法
        2.2.1 問題轉(zhuǎn)化方法
        2.2.2 算法適應(yīng)方法
        2.2.3 集成學(xué)習(xí)方法
    2.3 標(biāo)簽相關(guān)性
    2.4 類不平衡性
    2.5 本章小結(jié)
第三章 結(jié)合標(biāo)簽相關(guān)性和類不平衡性的多標(biāo)簽分類算法
    3.1 多標(biāo)簽分類問題定義
    3.2 MLCI多標(biāo)簽分類算法設(shè)計(jì)
        3.2.1 MLCI多標(biāo)簽分類算法概述
        3.2.2 基于類不平衡的二分類器學(xué)習(xí)方法設(shè)計(jì)
        3.2.3 基于類不平衡的多類別分類器學(xué)習(xí)方法設(shè)計(jì)
        3.2.4 二分類器和多類別分類器的集成
    3.3 本章小結(jié)
第四章 實(shí)驗(yàn)與結(jié)果分析
    4.1 實(shí)驗(yàn)設(shè)置
    4.2 實(shí)驗(yàn)數(shù)據(jù)集
    4.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)對(duì)比算法
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 不同評(píng)價(jià)指標(biāo)下的實(shí)驗(yàn)結(jié)果分析
        4.5.2 不同數(shù)據(jù)集下的實(shí)驗(yàn)結(jié)果分析
        4.5.3 綜合實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 回顧和總結(jié)
    5.2 前景展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
碩士論文
[1]基于標(biāo)簽相關(guān)性的KNN多標(biāo)簽分類方法研究[D]. 檀何鳳.安徽大學(xué) 2015



本文編號(hào)：3193803