發(fā)布時(shí)間：2017-11-09 03:14

  本文關(guān)鍵詞：基于RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)簽關(guān)聯(lián)的多標(biāo)簽學(xué)習(xí)

  更多相關(guān)文章： 多標(biāo)簽分類 RBF神經(jīng)網(wǎng)絡(luò) 標(biāo)簽關(guān)聯(lián)性 特定特征

【摘要】：多標(biāo)簽分類問題屬于傳統(tǒng)的分類問題之一,在現(xiàn)實(shí)生活中廣泛存在�，F(xiàn)今,多標(biāo)簽算法在解決實(shí)際問題中得到廣泛應(yīng)用。然而,多標(biāo)簽實(shí)例所屬的標(biāo)簽都是標(biāo)簽空間的一個(gè)子集,即每個(gè)多標(biāo)簽樣本可能屬于多個(gè)標(biāo)簽,而非像二分類問題,樣本只屬于一個(gè)標(biāo)簽,這使得多標(biāo)簽問題與傳統(tǒng)的分類問題相比更加復(fù)雜。過去十年里,研究者提出了許多關(guān)于多標(biāo)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(duì)每個(gè)標(biāo)簽進(jìn)行學(xué)習(xí)的策略。然而,由于每個(gè)標(biāo)簽擁有特定的屬性,因而應(yīng)該擁有符合自身標(biāo)簽性質(zhì)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(jìn)行多標(biāo)簽學(xué)習(xí)的策略并不是最優(yōu)的。而且,在多標(biāo)簽分類問題中,每個(gè)標(biāo)簽相對(duì)于其它標(biāo)簽不是完全獨(dú)立的,標(biāo)簽關(guān)聯(lián)性信息對(duì)于提高分類的性能具有重大意義。因此,本文的目標(biāo)是通過為每個(gè)標(biāo)簽構(gòu)建特定的特征,并且利用標(biāo)簽關(guān)聯(lián)性去提高多標(biāo)簽學(xué)習(xí)的性能。本文通過引入RBF神經(jīng)網(wǎng)絡(luò),將原始的數(shù)據(jù)特征顯性映射到標(biāo)簽特定特征,為每個(gè)標(biāo)簽構(gòu)建特定的特征集,以確保每個(gè)標(biāo)簽的建模都是基于特定標(biāo)簽屬性的數(shù)據(jù)特征集。并且,將裁剪過的預(yù)測(cè)信息作為附加的特征進(jìn)行建模,使得模型能夠自動(dòng)學(xué)習(xí)到標(biāo)簽的關(guān)聯(lián)性信息。在5個(gè)常用的多標(biāo)簽基準(zhǔn)數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出來的算法相對(duì)于現(xiàn)有的主流多標(biāo)簽學(xué)習(xí)算法在可接受的時(shí)間開銷的情況下,分類的準(zhǔn)確度上有較大的提高。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP183;TP311.13

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

2 劉慧明;劉亮;董洪燦;;基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

3 趙芳;孟凡榮;;基于RBF網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)研究[J];微計(jì)算機(jī)信息;2009年03期

4 危志明;;RBF網(wǎng)絡(luò)在圖書館流通量預(yù)測(cè)中的應(yīng)用[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);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(xùn)練方法[J];計(jì)算機(jī)與現(xiàn)代化;2011年03期

6 苗青,曹廣益,朱新堅(jiān);基于一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)的直接甲醇燃料電池建模[J];系統(tǒng)仿真學(xué)報(bào);2005年02期

7 楊胡萍;白慧;劉家學(xué);張力;;基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

8 滕利強(qiáng);;基于RBF模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)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(luò)的港口大氣污染預(yù)警研究模型[J];商業(yè)文化(學(xué)術(shù)版);2007年07期

10 張曉亮;;一種改進(jìn)的RBF網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J];煤礦機(jī)電;2008年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張琳;李海森;;基于模糊聚類算法的RBF網(wǎng)絡(luò)在漏鋼預(yù)報(bào)中的應(yīng)用[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2007年會(huì)論文集[C];2007年

2 彭正勇;;基于RBF神經(jīng)網(wǎng)絡(luò)的巷道圍巖松動(dòng)圈厚度預(yù)測(cè)[A];全國(guó)金屬礦山采礦新技術(shù)學(xué)術(shù)研討與技術(shù)交流會(huì)論文集[C];2007年

3 王海榮;;基于遺傳RBF網(wǎng)絡(luò)時(shí)間序列的城市火災(zāi)預(yù)測(cè)[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

4 王瑋;何建新;許麗生;;基于RBF神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)報(bào)模型的研究[A];中國(guó)氣象學(xué)會(huì)2008年年會(huì)第二屆研究生年會(huì)分會(huì)場(chǎng)論文集[C];2008年

5 宋宜斌;王培進(jìn);;一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

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

7 王俊松;田庫(kù);劉玉敏;張興會(huì);李建國(guó);劉玉亮;;基于RBF神經(jīng)網(wǎng)絡(luò)的腫瘤組織熱傳導(dǎo)過程建模及軟測(cè)量[A];第25屆中國(guó)控制會(huì)議論文集（上冊(cè)）[C];2006年

8 徐中;辛志東;葉希貴;;基于RBF神經(jīng)網(wǎng)絡(luò)水處理系統(tǒng)建模與仿真[A];第六屆全國(guó)表面工程學(xué)術(shù)會(huì)議論文集[C];2006年

9 黃艷清;曹長(zhǎng)修;孫圣軍;;基于自反饋RBF神經(jīng)網(wǎng)絡(luò)的高爐熱狀態(tài)預(yù)測(cè)模型[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

10 呂強(qiáng);郝繼紅;段運(yùn)波;許耀銘;;基于RBF網(wǎng)絡(luò)的非線性系統(tǒng)輸出跟蹤控制[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

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

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

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

2 張力;基于RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)簽關(guān)聯(lián)的多標(biāo)簽學(xué)習(xí)[D];東南大學(xué);2016年

3 王翠;基于灰色理論和RBF神經(jīng)網(wǎng)絡(luò)民航客運(yùn)量預(yù)測(cè)方法研究[D];北京交通大學(xué);2008年

4 尹德武;RBF的改進(jìn)及在中國(guó)轎車市場(chǎng)預(yù)測(cè)中的應(yīng)用研究[D];大連理工大學(xué);2006年

5 翟偉;基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信貸風(fēng)險(xiǎn)預(yù)警評(píng)估研究[D];重慶工商大學(xué);2008年

6 李志強(qiáng);基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的永磁無刷直流電機(jī)單神經(jīng)元自適應(yīng)PID控制[D];天津大學(xué);2005年

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

8 張晶;基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)研究[D];河北大學(xué);2009年

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

10 孟萌萌;基于RBF神經(jīng)網(wǎng)絡(luò)短期熱網(wǎng)負(fù)荷預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：1160054