本文選題：標(biāo)記分布學(xué)習(xí)　切入點(diǎn)：最大熵模型　出處：《計(jì)算機(jī)科學(xué)與探索》2017年05期 　論文類型：期刊論文

【摘要】：標(biāo)記分布學(xué)習(xí)是近年提出的一種新的機(jī)器學(xué)習(xí)范式。從理論上來說,這一范式可以看作是對多標(biāo)記學(xué)習(xí)的泛化。已有的研究表明標(biāo)記分布學(xué)習(xí)是一種有效的學(xué)習(xí)范式,能夠很好地解決某些標(biāo)記多義性問題。針對標(biāo)記分布學(xué)習(xí),已有一些預(yù)測效果不錯的專門算法被提出來。針對這些專門的標(biāo)記分布學(xué)習(xí)算法提出了一種泛化標(biāo)記分布學(xué)習(xí)框架。在這個框架中,一個專門的標(biāo)記分布學(xué)習(xí)算法由目標(biāo)函數(shù)、輸出模型和優(yōu)化方法三部分組成。針對這個泛化框架中的目標(biāo)函數(shù)部分展開研究。為了研究選擇不同的距離作為目標(biāo)函數(shù)對標(biāo)記分布學(xué)習(xí)算法預(yù)測效果的影響,選取7個代表性距離作為研究對象。通過對5個真實(shí)標(biāo)記分布數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果進(jìn)行分析,結(jié)合每個距離的特點(diǎn),提出了一些選取目標(biāo)函數(shù)的具體建議。
[Abstract]:Label distributed learning is a new machine learning paradigm proposed in recent years. In theory, this paradigm can be regarded as a generalization of multi-label learning. It can solve the problem of label polysemy very well. Some special algorithms with good prediction effect have been proposed. For these special label distributed learning algorithms, a generalized label distributed learning framework is proposed. In this framework, a special label distributed learning algorithm is derived from the objective function. In order to study the influence of different distance as objective function on the prediction effect of label distribution learning algorithm, the output model and optimization method are composed of three parts. Based on the analysis of the experimental results on five real label distributed datasets and the characteristics of each distance, some specific suggestions for selecting objective functions are put forward.
【作者單位】： 東南大學(xué)計(jì)算機(jī)網(wǎng)絡(luò)和信息集成教育部重點(diǎn)實(shí)驗(yàn)室;東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金Nos.61273300,61232007 江蘇省自然科學(xué)基金杰出青年基金項(xiàng)目No.BK20140022~~
【分類號】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳輔仁;多目標(biāo)線性規(guī)劃的目標(biāo)函數(shù)[J];黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào);1986年02期

2 汪煥敏;董占球;;計(jì)算機(jī)優(yōu)化電路容差設(shè)計(jì)COCTD目標(biāo)函數(shù)研究[J];計(jì)算機(jī)研究與發(fā)展;1987年11期

3 宋曉秋;利用目標(biāo)函數(shù)進(jìn)行聚類的一種方法[J];大連海運(yùn)學(xué)院學(xué)報(bào);1990年04期

4 弓英瑛;許峰;;基于目標(biāo)函數(shù)梯度的模擬退火蟻群算法[J];軟件導(dǎo)刊;2013年12期

5 周國鵬;柳學(xué)坤;何晉元;;基于控制系統(tǒng)優(yōu)化的ITSE目標(biāo)函數(shù)的研究[J];微計(jì)算機(jī)信息;2006年22期

6 唐小艷,顏玉崇;用于參數(shù)尋優(yōu)的ISE目標(biāo)函數(shù)研究[J];福建電腦;2003年09期

7 王曉哲,顧樹生,吳成東,高明;一種新的加權(quán)目標(biāo)函數(shù)下的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法[J];東北大學(xué)學(xué)報(bào);2001年06期

8 趙海;宋純賀;祁田宇;龔紅艷;;面向高維度目標(biāo)函數(shù)的微粒群優(yōu)化算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

9 李春芳;龐雅靜;錢麗璞;高愛華;;半監(jiān)督FCM聚類算法目標(biāo)函數(shù)研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年14期

10 高梅娟;自控系統(tǒng)的PID參數(shù)的優(yōu)化設(shè)計(jì)[J];浙江工程學(xué)院學(xué)報(bào);2001年01期

相關(guān)碩士學(xué)位論文 前2條

1 肖甜甜;控制系統(tǒng)優(yōu)化目標(biāo)函數(shù)選取對控制品質(zhì)影響的研究[D];華北電力大學(xué);2015年

2 馬翠玲;面向地面搜索的雙目標(biāo)函數(shù)規(guī)劃模型的研究與實(shí)踐[D];電子科技大學(xué);2011年

，

本文編號：1570546