【摘要】：傳統(tǒng)基于k近鄰的多標(biāo)簽學(xué)習(xí)算法,在尋找近鄰度量樣本間的距離時(shí),對所有特征給予同等的重要度.這些算法大多采用分解策略,對單個(gè)標(biāo)簽獨(dú)立預(yù)測,忽略了標(biāo)簽間的相關(guān)性.多標(biāo)簽學(xué)習(xí)算法的分類效果跟輸入的特征有很大的關(guān)系,不同的特征含有的標(biāo)簽分類信息不同,故不同特征的重要度也不同.互信息是常用的度量2個(gè)變量間關(guān)聯(lián)度的重要方法之一,能夠有效度量特征含有標(biāo)簽分類的知識量.因此,根據(jù)特征含有標(biāo)簽分類知識量的大小,賦予相應(yīng)的權(quán)重系數(shù),提出一種基于互信息的�；卣骷訖�(quán)多標(biāo)簽學(xué)習(xí)k近鄰算法(granular feature weighted k-nearest neighbors algorithm for multi-label learning,GFWML-kNN),該算法將標(biāo)簽空間�；啥鄠�(gè)標(biāo)簽粒,對每個(gè)標(biāo)簽粒計(jì)算特征的權(quán)重系數(shù),以解決上述問題和標(biāo)簽組合爆炸問題.在計(jì)算特征權(quán)重時(shí),考慮到了標(biāo)簽間可能的組合,把標(biāo)簽間的相關(guān)性融合進(jìn)特征的權(quán)重系數(shù).實(shí)驗(yàn)表明:相較于若干經(jīng)典的多標(biāo)簽學(xué)習(xí)算法,所提算法GFWML-kNN整體上能取得較好的效果.

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 華銳;梁娜;;特征加權(quán)樸素貝葉斯分類器在小樣本中的應(yīng)用[J];統(tǒng)計(jì)與決策;2012年23期

2 朱紅寧;張斌;;特征加權(quán)集對分析方法[J];計(jì)算機(jī)科學(xué);2009年09期

3 張翔;鄧趙紅;王士同;;具有更好適應(yīng)性的間距最大化特征加權(quán)[J];計(jì)算機(jī)應(yīng)用;2010年09期

4 陳新泉;;特征加權(quán)的模糊C聚類算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年22期

5 王晨;樊小紅;;基于特征加權(quán)的交通事件檢測研究[J];微電子學(xué)與計(jì)算機(jī);2012年10期

6 黎佳;王明文;何世柱;柯麗;;基于特征加權(quán)的半監(jiān)督聚類研究[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

7 饒剛;劉瓊蓀;高君健;;基于灰色特征加權(quán)支持向量機(jī)的二維函數(shù)擬合[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年10期

8 蔡靜穎;謝福鼎;張永;;基于馬氏距離特征加權(quán)的模糊聚類新算法[J];計(jì)算機(jī)工程與應(yīng)用;2012年05期

9 李潔;高新波;焦李成;;基于特征加權(quán)的模糊聚類新算法[J];電子學(xué)報(bào);2006年01期

10 高瀅;劉大有;徐益;;一種特征加權(quán)的聚類算法框架[J];計(jì)算機(jī)科學(xué);2008年10期

相關(guān)會議論文 前1條

1 杜玫芳;王昕;;基于特征加權(quán)的模糊c均值聚類算法及其應(yīng)用[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

相關(guān)碩士學(xué)位論文 前4條

1 馬會敏;幾種特征加權(quán)支持向量機(jī)方法的比較研究[D];河北大學(xué);2010年

2 張娜娜;基于進(jìn)化極限學(xué)習(xí)機(jī)的特征加權(quán)近鄰分類算法[D];大連海事大學(xué);2016年

3 吳彪;基于信息論的特征加權(quán)和主題驅(qū)動協(xié)同聚類算法研究[D];哈爾濱工業(yè)大學(xué);2008年

4 周計(jì)美;基于特征加權(quán)單類支持向量機(jī)的顏色識別算法及其在異色物檢測中的研究[D];內(nèi)蒙古大學(xué);2012年

，

本文編號：2564710