隨著科學(xué)技術(shù)的迅速發(fā)展,分類問題中需要處理的數(shù)據(jù)量急劇增長(zhǎng),其中不僅僅是傳統(tǒng)的單標(biāo)簽數(shù)據(jù),更多的是現(xiàn)實(shí)世界中的多標(biāo)簽數(shù)據(jù).與單標(biāo)簽分類問題相同的是多標(biāo)簽分類問題中的樣本通常也含有多個(gè)特征,其中冗余和不相關(guān)的特征會(huì)影響分類器的性能.為解決這一問題,多標(biāo)簽特征選擇成為近幾年以來(lái)機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn).目前存在的嵌入式多標(biāo)簽特征選擇方法,大多是采用最小二乘回歸作為目標(biāo)函數(shù)的稀疏正則化特征選擇方法,這些方法很少考慮特征流形的幾何結(jié)構(gòu).由于相關(guān)熵在處理離群點(diǎn)時(shí)有非常好的魯棒性,可以更好地處理非線性和非高斯數(shù)據(jù),可以消除異常值的有害影響,因此本文利用相關(guān)熵作為多標(biāo)簽特征選擇的目標(biāo)函數(shù),結(jié)合特征流行學(xué)習(xí)提出了基于相關(guān)熵和特征流形學(xué)習(xí)的稀疏正則化多標(biāo)簽特征選擇算法,基于K-Support范數(shù)和流形學(xué)習(xí)的多標(biāo)簽特征選擇算法等算法.本文主要研究工作:(1)為了更好地體現(xiàn)標(biāo)簽信息的重要性,通過(guò)改變多標(biāo)簽數(shù)據(jù)集中不同類別標(biāo)簽之間的距離,然后結(jié)合l2,1范數(shù),提出了一種包含標(biāo)簽信息的最小二乘多標(biāo)簽特征選擇模型及算法,并且通過(guò)實(shí)驗(yàn)驗(yàn)證所給算法的有效性.(2)通過(guò)相關(guān)熵的思想,結(jié)合l2,1范數(shù)和特征流形學(xué)習(xí)構(gòu)造多標(biāo)簽特征選擇回歸模型,提出了基于相關(guān)熵和特征流形學(xué)習(xí)的稀疏正則化多標(biāo)簽特征選擇模型及算法,并通過(guò)實(shí)驗(yàn)驗(yàn)證所給算法的有效性.(3)為了更好地考慮數(shù)據(jù)之間的相關(guān)性,通過(guò)K-Support范數(shù)的思想,結(jié)合特征流形學(xué)習(xí),提出了一種基于K-Support范數(shù)和流形學(xué)習(xí)的多標(biāo)簽特征選擇模型及算法,并且通過(guò)實(shí)驗(yàn)驗(yàn)證所給算法的有效性.圖19幅,表20個(gè),參考文獻(xiàn)68篇
【學(xué)位單位】：西安工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳中華;鄭瑋;;基于?_(2,1)范數(shù)的在線流特征選擇算法[J];計(jì)算機(jī)與數(shù)字工程;2019年06期

2 代琨;于宏毅;馬學(xué)剛;李青;;基于支持向量機(jī)的特征選擇算法綜述[J];信息工程大學(xué)學(xué)報(bào);2014年01期

3 陳建華;王治和;蔣蕓;許虎寅;樊東輝;;一種改進(jìn)的文本分類特征選擇算法[J];微電子學(xué)與計(jì)算機(jī);2011年12期

4 張文靜;王備戰(zhàn);張志宏;;基于圖的特征選擇算法綜述[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

5 孫剛;張靖;;面向高維微陣列數(shù)據(jù)的集成特征選擇算法[J];計(jì)算機(jī)工程與科學(xué);2016年07期

6 張自敏;;大數(shù)據(jù)中基于稀疏投影的在線特征選擇算法[J];湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年03期

7 陳曉明;;海量高維數(shù)據(jù)下分布式特征選擇算法的研究與應(yīng)用[J];科技通報(bào);2013年08期

8 李富星;蒙祖強(qiáng);;一種改進(jìn)的類別區(qū)分詞特征選擇算法[J];計(jì)算機(jī)與現(xiàn)代化;2019年03期

9 劉飛飛;;特征選擇算法及應(yīng)用綜述[J];辦公自動(dòng)化;2018年21期

10 侯嶼;秦小林;彭皓月;張力戈;;全局調(diào)距和聲特征選擇算法[J];計(jì)算機(jī)工程與應(yīng)用;2019年02期

相關(guān)會(huì)議論文 前10條

1 甄超;鄭濤;許潔萍;;音樂流派分類中特征選擇算法研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

2 陳偉海;李建軍;趙志華;曹丹陽(yáng);李晉宏;;數(shù)據(jù)挖掘特征選擇算法研究及其在鋁電解中的應(yīng)用[A];2011中國(guó)有色金屬行業(yè)儀表自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2011年

3 張仰森;曹元大;;最大熵建模方法中一種改進(jìn)的特征選擇算法[A];NCIRCS2004第一屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

4 張錚;胡社教;江萍;;基于EP模式的特征選擇算法[A];2011中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

5 周炎濤;唐劍波;王家琴;;基于信息熵的改進(jìn)TFIDF特征選擇算法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

6 徐燕;孫春明;王斌;李錦濤;;基于詞條頻率的特征選擇算法研究[A];中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

7 李文法;段m#毅;劉悅;孫春來(lái);;一種面向流分類的特征選擇算法[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

8 戴鍵;楊宏暉;;用于水聲目標(biāo)識(shí)別的自適應(yīng)免疫克隆特征選擇算法[A];2011'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

9 楊宏暉;李江濤;甘安琴;姚曉輝;;用于水下目標(biāo)識(shí)別的無(wú)監(jiān)督譜特征選擇算法[A];2016年中國(guó)造船工程學(xué)會(huì)水中目標(biāo)特性學(xué)組學(xué)術(shù)交流會(huì)論文集[C];2016年

10 羅勇;周超;許超;;文本分類在商品廣告分類中的應(yīng)用[A];全國(guó)第五屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？�(第一冊(cè))[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 田肅巖;吸納通路信息識(shí)別相關(guān)基因的特征選擇算法的研究[D];吉林大學(xué);2018年

2 黃鑫;基于特征關(guān)聯(lián)關(guān)系的特征選擇算法研究[D];大連理工大學(xué);2018年

3 高萬(wàn)夫;基于序列前向選擇策略的過(guò)濾算法研究[D];吉林大學(xué);2019年

4 李云;特征選擇算法及其在基于內(nèi)容圖像檢索中的應(yīng)用研究[D];重慶大學(xué);2005年

5 張靖;面向高維小樣本數(shù)據(jù)的分類特征選擇算法研究[D];合肥工業(yè)大學(xué);2014年

6 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

7 史彩娟;網(wǎng)絡(luò)空間圖像標(biāo)注中半監(jiān)督稀疏特征選擇算法研究[D];北京交通大學(xué);2015年

8 楊杰明;文本分類中文本表示模型和特征選擇算法研究[D];吉林大學(xué);2013年

9 潘巍巍;故障嚴(yán)重程度識(shí)別的有序分類特征分析方法[D];哈爾濱工業(yè)大學(xué);2013年

10 楊峻山;生物組學(xué)數(shù)據(jù)的集成特征選擇研究[D];深圳大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 周丹;多方法融合的智能終端檢測(cè)及應(yīng)用識(shí)別[D];重慶郵電大學(xué);2019年

2 劉暢;非線性規(guī)劃形式的多標(biāo)簽特征選擇算法的研究[D];南京師范大學(xué);2019年

3 陳紅;嵌入式多標(biāo)簽特征選擇算法研究[D];西安工程大學(xué);2019年

4 孫七凡;抗癌藥物反應(yīng)預(yù)測(cè)模型中的特征選擇算法研究[D];大連理工大學(xué);2019年

5 陳飛;標(biāo)記傾向性和數(shù)據(jù)流特征選擇算法研究[D];安慶師范大學(xué);2019年

6 陳俊穎;特征選擇算法在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[D];中國(guó)計(jì)量大學(xué);2018年

7 姜琳;弱標(biāo)記特征選擇算法研究[D];西南大學(xué);2019年

8 李森;基于多目標(biāo)進(jìn)化優(yōu)化的癌癥數(shù)據(jù)特征選擇算法研究[D];安徽大學(xué);2019年

9 郭偉;大樣本高維數(shù)據(jù)下基于進(jìn)化多目標(biāo)優(yōu)化的特征選擇算法研究[D];安徽大學(xué);2019年

10 唐莉;基于樣本差異性分析的多標(biāo)記特征選擇算法研究[D];閩南師范大學(xué);2019年

本文編號(hào)：2809320