本文關鍵詞：基于RBF神經(jīng)網(wǎng)絡和標簽關聯(lián)的多標簽學習

  更多相關文章： 多標簽分類 RBF神經(jīng)網(wǎng)絡 標簽關聯(lián)性 特定特征

【摘要】：多標簽分類問題屬于傳統(tǒng)的分類問題之一,在現(xiàn)實生活中廣泛存在�，F(xiàn)今,多標簽算法在解決實際問題中得到廣泛應用。然而,多標簽實例所屬的標簽都是標簽空間的一個子集,即每個多標簽樣本可能屬于多個標簽,而非像二分類問題,樣本只屬于一個標簽,這使得多標簽問題與傳統(tǒng)的分類問題相比更加復雜。過去十年里,研究者提出了許多關于多標簽分類的算法,其中絕大部分算法都采用在完全相同的數(shù)據(jù)特征上對每個標簽進行學習的策略。然而,由于每個標簽擁有特定的屬性,因而應該擁有符合自身標簽性質的特定特征集,上述被廣泛采用的在統(tǒng)一特征集上直接進行多標簽學習的策略并不是最優(yōu)的。而且,在多標簽分類問題中,每個標簽相對于其它標簽不是完全獨立的,標簽關聯(lián)性信息對于提高分類的性能具有重大意義。因此,本文的目標是通過為每個標簽構建特定的特征,并且利用標簽關聯(lián)性去提高多標簽學習的性能。本文通過引入RBF神經(jīng)網(wǎng)絡,將原始的數(shù)據(jù)特征顯性映射到標簽特定特征,為每個標簽構建特定的特征集,以確保每個標簽的建模都是基于特定標簽屬性的數(shù)據(jù)特征集。并且,將裁剪過的預測信息作為附加的特征進行建模,使得模型能夠自動學習到標簽的關聯(lián)性信息。在5個常用的多標簽基準數(shù)據(jù)集上進行仿真實驗,實驗結果驗證了本文提出來的算法相對于現(xiàn)有的主流多標簽學習算法在可接受的時間開銷的情況下,分類的準確度上有較大的提高。
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;TP311.13

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張雅;向虎;郭芳瑞;張自亮;;RBF網(wǎng)絡模型參考自適應控制在溫度控制中的仿真研究[J];系統(tǒng)仿真學報;2008年02期

2 劉慧明;劉亮;董洪燦;;基于RBF網(wǎng)絡的模型參考自適應控制[J];青島科技大學學報(自然科學版);2008年01期

3 趙芳;孟凡榮;;基于RBF網(wǎng)絡的煤與瓦斯突出預測研究[J];微計算機信息;2009年03期

4 危志明;;RBF網(wǎng)絡在圖書館流通量預測中的應用[J];科技情報開發(fā)與經(jīng)濟;2009年06期

5 龍華;;基于免疫遺傳算法和梯度下降的RBF網(wǎng)組合訓練方法[J];計算機與現(xiàn)代化;2011年03期

6 苗青,曹廣益,朱新堅;基于一種改進的RBF神經(jīng)網(wǎng)絡的直接甲醇燃料電池建模[J];系統(tǒng)仿真學報;2005年02期

7 楊胡萍;白慧;劉家學;張力;;基于改進RBF神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測[J];東華大學學報(自然科學版);2008年02期

8 滕利強;;基于RBF模糊神經(jīng)網(wǎng)絡控制器的設計及仿真[J];科技資訊;2011年09期

9 夏繼偉;欒航;吳晶;;基于RBF神經(jīng)網(wǎng)絡的港口大氣污染預警研究模型[J];商業(yè)文化(學術版);2007年07期

10 張曉亮;;一種改進的RBF網(wǎng)絡在電力系統(tǒng)短期負荷預測中的應用[J];煤礦機電;2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張琳;李海森;;基于模糊聚類算法的RBF網(wǎng)絡在漏鋼預報中的應用[A];中國計量協(xié)會冶金分會2007年會論文集[C];2007年

2 彭正勇;;基于RBF神經(jīng)網(wǎng)絡的巷道圍巖松動圈厚度預測[A];全國金屬礦山采礦新技術學術研討與技術交流會論文集[C];2007年

3 王海榮;;基于遺傳RBF網(wǎng)絡時間序列的城市火災預測[A];提高全民科學素質、建設創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

4 王瑋;何建新;許麗生;;基于RBF神經(jīng)網(wǎng)絡的氣溫預報模型的研究[A];中國氣象學會2008年年會第二屆研究生年會分會場論文集[C];2008年

5 宋宜斌;王培進;;一種改進的RBF神經(jīng)網(wǎng)絡預測模型[A];2005年中國智能自動化會議論文集[C];2005年

6 李亞芬;楊揚;;基于RBF網(wǎng)的CSTR內�？刂芠A];第二十屆中國控制會議論文集（下）[C];2001年

7 王俊松;田庫;劉玉敏;張興會;李建國;劉玉亮;;基于RBF神經(jīng)網(wǎng)絡的腫瘤組織熱傳導過程建模及軟測量[A];第25屆中國控制會議論文集（上冊）[C];2006年

8 徐中;辛志東;葉希貴;;基于RBF神經(jīng)網(wǎng)絡水處理系統(tǒng)建模與仿真[A];第六屆全國表面工程學術會議論文集[C];2006年

9 黃艷清;曹長修;孫圣軍;;基于自反饋RBF神經(jīng)網(wǎng)絡的高爐熱狀態(tài)預測模型[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

10 呂強;郝繼紅;段運波;許耀銘;;基于RBF網(wǎng)絡的非線性系統(tǒng)輸出跟蹤控制[A];1994中國控制與決策學術年會論文集[C];1994年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 趙斌;基于RBF網(wǎng)絡的北方溫室溫濕度控制機理的研究[D];東北林業(yè)大學;2010年

2 曾祥萍;自適應組合RBF濾波器理論及其應用研究[D];西南交通大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 杜盟盟;基于RBF神經(jīng)網(wǎng)絡的機械手軌跡跟蹤控制方法研究[D];河南科技大學;2015年

2 張力;基于RBF神經(jīng)網(wǎng)絡和標簽關聯(lián)的多標簽學習[D];東南大學;2016年

3 王翠;基于灰色理論和RBF神經(jīng)網(wǎng)絡民航客運量預測方法研究[D];北京交通大學;2008年

4 尹德武;RBF的改進及在中國轎車市場預測中的應用研究[D];大連理工大學;2006年

5 翟偉;基于自適應RBF神經(jīng)網(wǎng)絡的商業(yè)銀行信貸風險預警評估研究[D];重慶工商大學;2008年

6 李志強;基于RBF神經(jīng)網(wǎng)絡在線辨識的永磁無刷直流電機單神經(jīng)元自適應PID控制[D];天津大學;2005年

7 高彥荷;基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡優(yōu)化及應用[D];四川大學;2004年

8 張晶;基于改進RBF神經(jīng)網(wǎng)絡的入侵檢測研究[D];河北大學;2009年

9 劉亦青;類RBF人工神經(jīng)網(wǎng)絡算法研究及硬件實現(xiàn)[D];北京建筑大學;2013年

10 孟萌萌;基于RBF神經(jīng)網(wǎng)絡短期熱網(wǎng)負荷預測研究[D];哈爾濱工業(yè)大學;2013年

，

本文編號：1160054