發(fā)布時間：2023-06-05 01:42

　　從多類問題到多標記分類問題,再到標記排序問題,最后到多標記排序問題,歧義性越來越大,也更加符合真實世界的多義性、復雜性。多標記排序是多標記分類和標記排序的結(jié)合,它完整地定義了多標記數(shù)據(jù)分析的兩大主要任務(wù)。多標記排序的研究對于多義性對象的建模具有重要的意義,近年來,逐漸成為機器學習領(lǐng)域的一個重要研究方向,并廣泛應(yīng)用在多媒體對象(圖像/音頻/視頻)的自動標注、生物信息學、推薦系統(tǒng)、信息檢索等諸多領(lǐng)域。但是,已有工作主要集中在單一精準標注源下的多標記排序研究,通常假定在訓練集中,每個示例對應(yīng)一個真實、客觀的標記排序。然而,在現(xiàn)實世界中這個假設(shè)并不常常正確,相反,更普遍的情況是一個示例由多位用戶進行標注,具有多個“主觀”的,不那么精確的標記排序。本文主要關(guān)注多標注源情況下的多標記排序研究。本文共五章。第一章介紹了多標記排序的研究背景、研究現(xiàn)狀以及存在的問題。第二章給出了多標記排序問題的形式化定義及評價指標,并分類介紹了四種具有代表性的多標記排序算法。第三章首先介紹了多源標注下多標記排序的不一致問題,并提出了兩種基于標記分布學習的多標記排序算法：從實例出發(fā)的IDL方法和從標注者出發(fā)的ADL方法,...

【文章頁數(shù)】：46 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 多標記排序研究現(xiàn)狀
    1.3 本文的研究動機
    1.4 論文研究目標及內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第二章 多標記排序
    2.1 問題定義
    2.2 評價指標
        2.2.1 基于MLC的評價指標
        2.2.2 基于LR的評價指標
    2.3 多標記排序算法
        2.3.1 “問題轉(zhuǎn)換方式”
        2.3.2 “算法適應(yīng)方式”
    2.4 本章小結(jié)
第三章 多標注源下的多標記排序
    3.1 不一致問題
    3.2 標記分布學習
        3.2.1 標記分布
        3.2.2 LDL的形式化
    3.3 從實例出發(fā)的IDL方法
        3.3.1 標記分布的轉(zhuǎn)換過程(Transformation Process on Label Distribution)
        3.3.2 標記分布的學習過程(Learning Process on Label Distribution)
        3.3.3 L-BFGS算法
    3.4 從標注者出發(fā)的ADL方法
        3.4.1 標注者模型H_i的求解
        3.4.2 示例模型H的求解
        3.4.3 ADL算法的預測過程
    3.5 本章小結(jié)
第四章 實驗結(jié)果及分析
    4.1 自然場景圖像數(shù)據(jù)集
    4.2 實驗設(shè)置
    4.3 實驗結(jié)果
    4.4 本章小結(jié)
第五章 結(jié)束語
    5.1 本文工作小結(jié)
    5.2 存在的問題及進一步工作
致謝
參考文獻
作者簡介



本文編號：3831434