隨著信息化的發(fā)展,互聯(lián)網(wǎng)中的信息呈指數(shù)級增長。如何快速的從互聯(lián)網(wǎng)中獲取人們需要的信息已成為亟待解決的問題,因此,網(wǎng)頁分類技術(shù)應(yīng)運而生。該技術(shù)可以對網(wǎng)頁進行歸納整理,幫助人們有效組織和利用網(wǎng)絡(luò)上的海量信息。在眾多網(wǎng)頁分類算法中,多示例多標簽框架下的支持向量機因其出色的學(xué)習(xí)能力,已成為機器學(xué)習(xí)界的研究熱點。介紹了網(wǎng)頁分類的基本流程、相關(guān)技術(shù)及常用算法,闡述了支持向量機基本原理,描述了多示例多標簽框架基本理論,分析了多示例多標簽框架下支持向量機的分類算法。針對求解多示例多標簽框架無法利用標簽之間依賴關(guān)系造成的信息丟失問題,借鑒有序分類器鏈思想,提出了OCC-MIMLSVM⁺算法,該算法對分類器進行合理組織,將標簽之間的依賴關(guān)系融入到算法的訓(xùn)練過程之中,使訓(xùn)練出的分類模型能夠?qū)撕炛g的依賴關(guān)系加以利用,提高了分類準確率。針對多示例多標簽算法無法利用無標簽樣本進行學(xué)習(xí)造成泛化能力差等問題,借鑒半監(jiān)督支持向量機S4VM算法的思想,提出了S4VM-MIMLSVM⁺算法,該算法將S4VM算法的思想融入至多示例多標簽算法之中,充分利用大量的無標簽樣本來訓(xùn)練分... 

【文章來源】：中國石油大學(xué)(華東)山東省211工程院校教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

半監(jiān)督支持向量機Fig2-5Semi-supervisedSupportVectorMachines

中國石油大學(xué)（華東）全日制工程碩士學(xué)位論文29表3-2圖像樣本集上實驗結(jié)果Table3-2Experimentalresultsonthescenedataset評價指標MIMLSVM+MIMLBOOSTMIMLSVMOCC-MIMLSVM+hammingloss0.224±0.0100.196±0.0230.173±0.0140.151±0.014one-error0.466±0.0430.695±0.0310.534±0.0430.310±0.031coverage1.441±0.1031.841±0.0571.577±0.0921.420±0.051rankingloss0.235±0.0140.241±0.0190.239±0.0180.191±0.010averageprecision0.731±0.0150.631±0.0360.659±0.0230.793±0.026為了更好的進行實驗結(jié)果的比對，本文采用柱狀圖的形式對表3-2進行更加直觀的展示，如圖3-2至圖3-6所示，圖中顏色加深的柱體部分為OCC-MIMLSVM+算法的實驗結(jié)果。圖3-2場景樣本集漢明損失Fig3-2Thehamminglossresultsonthescenedataset

第三章基于分類器鏈的多示例多標簽算法30圖3-3場景樣本集1-錯誤率Fig3-3Theone-errorresultsonthescenedataset圖3-4場景樣本集覆蓋率Fig3-4Thecoverageresultsonthescenedataset

【參考文獻】：
期刊論文
[1]基于結(jié)構(gòu)和文本特征的網(wǎng)頁分類技術(shù)研究[J]. 顧敏,郭慶,曹野,朱峰,顧彥慧,周俊生,曲維光.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2017(04)
[2]一種面向文本分類的特征向量優(yōu)化方法[J]. 郭正斌,張仰森,蔣玉茹.  計算機應(yīng)用研究. 2017(08)
[3]基于字符串匹配的中文分詞算法的研究[J]. 常建秋,沈煒.  工業(yè)控制計算機. 2016(02)
[4]KNN分類算法改進研究進展[J]. 奉國和,吳敬學(xué).  圖書情報工作. 2012(21)
[5]基于信息增益與信息熵的TFIDF算法[J]. 李學(xué)明,李海瑞,薛亮,何光軍.  計算機工程. 2012(08)
[6]基于IM-SAPSO和SVM的EBPSK檢測器設(shè)計[J]. 靳一,王繼武,吳樂南.  應(yīng)用科學(xué)學(xué)報. 2012(02)
[7]基于卡方檢驗的漢語術(shù)語抽取[J]. 胡文敏,何婷婷,張勇.  計算機應(yīng)用. 2007(12)
[8]網(wǎng)頁分類技術(shù)[J]. 孫建濤,沈抖,陸玉昌,石純一.  清華大學(xué)學(xué)報(自然科學(xué)版). 2004(01)

博士論文
[1]基于有監(jiān)督學(xué)習(xí)的三維幾何形狀分析[D]. 謝智歌.國防科學(xué)技術(shù)大學(xué) 2015
[2]半監(jiān)督支持向量機學(xué)習(xí)方法的研究[D]. 李宇峰.南京大學(xué) 2013

碩士論文
[1]面向主題的多線程網(wǎng)絡(luò)爬蟲的設(shè)計與實現(xiàn)[D]. 蔡光波.西北民族大學(xué) 2017
[2]基于多示例學(xué)習(xí)的圖像檢索算法研究[D]. 張苗.中國科學(xué)技術(shù)大學(xué) 2017
[3]中文分詞算法的研究與實現(xiàn)[D]. 秦贊.吉林大學(xué) 2016
[4]基于統(tǒng)計與詞典相結(jié)合的中文分詞的研究與實現(xiàn)[D]. 周祺.哈爾濱工業(yè)大學(xué) 2015
[5]海量文本信息的Web采集與自動分類研究[D]. 李瑞.北京郵電大學(xué) 2015
[6]基于MIMLRBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁分類方法[D]. 王綿綿.中國石油大學(xué)(華東) 2014
[7]基于多示例多標簽支持向量機的網(wǎng)頁分類方法[D]. 張艷麗.中國石油大學(xué)(華東) 2014
[8]中文網(wǎng)頁自動分類系統(tǒng)及關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 周軍.國防科學(xué)技術(shù)大學(xué) 2013
[9]基于向量空間模型的文本分類算法研究[D]. 張振峰.杭州電子科技大學(xué) 2011
[10]基于語義的中文文本預(yù)處理研究[D]. 張寧.西安電子科技大學(xué) 2011



本文編號：3611894