特征選擇是模式識別、數(shù)據(jù)挖掘等領(lǐng)域內(nèi)的一個極其關(guān)鍵的步驟。其可將原始的樣本特征從高維的特征空間中轉(zhuǎn)化到低維的特征空間,由此可極大地緩解目前該領(lǐng)域內(nèi)維度災(zāi)難的問題。目前領(lǐng)域內(nèi)的特征選擇方法主要集中于單標(biāo)記學(xué)習(xí),而對于多標(biāo)記學(xué)習(xí)的特征選擇方法卻很少;即使存在少量的多標(biāo)記學(xué)習(xí)算法,也是在不同的類標(biāo)中基于同一的特征空間下來實現(xiàn)學(xué)習(xí)的目的。然而實際上,在多標(biāo)記學(xué)習(xí)算法中,不同的類標(biāo)可能擁有他們自己特異性的特征。因此,本文將主要從以下幾個方面入手,來研究關(guān)于多類標(biāo)的特征選擇算法。首先,對目前領(lǐng)域內(nèi)關(guān)于特征選擇算法的分析探討,總結(jié)歸類,仔細(xì)研究文獻(xiàn)資料,思考目前算法中存在的不足之處,并提出相應(yīng)的改進(jìn)措施。比如說,領(lǐng)域內(nèi)大多數(shù)的特征選擇算法是基于單標(biāo)記學(xué)習(xí)的,而現(xiàn)實生活中很多樣本是同時具有多個類標(biāo)的,并且這些類標(biāo)之間大多是相互重疊的。從而本文將主要是針對多標(biāo)記的特征選擇方法來進(jìn)行探索。其次,對于多標(biāo)記學(xué)習(xí)算法,目前該領(lǐng)域內(nèi)已有的多標(biāo)記學(xué)習(xí)中的特征選擇方法,是在不同的類標(biāo)下基于相同的樣本特征空間來實現(xiàn)學(xué)習(xí)目的,這可能違背這樣的事實,即在有關(guān)多標(biāo)記的學(xué)習(xí)算法中,不同的類標(biāo)可能擁有它們自己特異性的特征。因此... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究發(fā)展現(xiàn)狀
    1.3 論文的研究內(nèi)容及結(jié)構(gòu)安排
第二章 相關(guān)基礎(chǔ)知識概述
    2.1 引言
    2.2 模式識別
        2.2.1 模式識別的定義
        2.2.2 模式識別的基本流程
        2.2.3 模式識別的分類方法
    2.3 多標(biāo)記學(xué)習(xí)
        2.3.1 多標(biāo)記學(xué)習(xí)概述
        2.3.2 多標(biāo)記學(xué)習(xí)的評價準(zhǔn)則
    2.4 特征選擇概述
        2.4.1 特征選擇的基本概念
        2.4.2 特征選擇的基本流程
        2.4.3 特征選擇的分類方法
    2.5 本章小結(jié)
第三章 LIFT算法與信息理論技術(shù)
    3.1 引言
    3.2 LIFT算法概述
        3.2.1 LIFT算法基本原理及步驟
        3.2.2 LIFT算法特點及其優(yōu)缺點
        3.2.3 LIFT算法結(jié)構(gòu)流程及偽代碼
    3.3 模糊粗糙集與信息理論的概述
        3.3.1 模糊粗糙集理論概述
        3.3.2 信息度量方法
        3.3.3 交互信息的應(yīng)用
    3.4 本章小結(jié)
第四章 基于交互信息的多標(biāo)記類標(biāo)特異性特征選擇方法研究
    4.1 引言
    4.2 算法的原理及步驟
        4.2.1 改進(jìn)的LEFS算法的原理及步驟
        4.2.2 改進(jìn)的LEFS-SS算法的原理及步驟
    4.3 實驗結(jié)果及分析
        4.3.1 數(shù)據(jù)集的描述
        4.3.2 多標(biāo)記分類結(jié)果
    4.4 本章小結(jié)
第五章 結(jié)束語
    5.1 論文總結(jié)
    5.2 論文展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果及所獲榮譽(yù)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于類屬屬性的多標(biāo)記學(xué)習(xí)算法[J]. 吳磊,張敏靈.  軟件學(xué)報. 2014(09)
[2]一種面向數(shù)據(jù)學(xué)習(xí)的快速PCA算法[J]. 余映,王斌,張立明.  模式識別與人工智能. 2009(04)



本文編號：3667438