隨著信息技術(shù)的快速發(fā)展,多標(biāo)簽分類已經(jīng)成為分類問題的重要課題。在大數(shù)據(jù)時(shí)代,多標(biāo)簽分類問題廣泛存在于現(xiàn)實(shí)世界中。由于多標(biāo)簽數(shù)據(jù)的特殊性,傳統(tǒng)的數(shù)據(jù)分析技術(shù)與手段已不再適用于多標(biāo)簽數(shù)據(jù)。因此如何找到一種快速有效多標(biāo)簽分類算法已成為一個(gè)熱點(diǎn)問題,多標(biāo)簽分類學(xué)習(xí)的研究也正逐漸凸顯出其價(jià)值。本文主要工作如下:首先對(duì)單標(biāo)簽和多標(biāo)簽分類的研究現(xiàn)狀進(jìn)行了初步的了解,總結(jié)和分析了應(yīng)用到多標(biāo)簽分類學(xué)習(xí)的兩種算法:基于問題轉(zhuǎn)換策略和基于算法轉(zhuǎn)換策略,其中重點(diǎn)研究了基于KNN(K Nearest Neighbors)的多標(biāo)簽分類改進(jìn)算法,詳細(xì)分析了每一類改進(jìn)算法的主要思想和優(yōu)缺點(diǎn)。其次深入研究了基于KNN的多標(biāo)簽分類算法ML-KNN,針對(duì)該算法在數(shù)據(jù)分布不均勻的情況下容易造成誤判標(biāo)簽的情況問題,通過增加后驗(yàn)概率的值,提出一種改進(jìn)的新型多標(biāo)簽分類算法:增加后驗(yàn)概率的ML-KNN改進(jìn)算法。然后在增加后驗(yàn)概率的ML-KNN多標(biāo)簽分類算法的基礎(chǔ)上引入懲罰函數(shù),進(jìn)一步提高算法的準(zhǔn)確性。將改進(jìn)的兩種算法在數(shù)據(jù)集上進(jìn)行分類實(shí)驗(yàn),結(jié)果表明改進(jìn)算法的預(yù)測(cè)性能整體上優(yōu)于ML-KNN算法。最后深入研究了一種新型多標(biāo)記懶惰學(xué)習(xí)算法—...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1創(chuàng)建新的標(biāo)簽方法

第二章多標(biāo)簽分類方法分析112.3.1基于問題轉(zhuǎn)換方法PT方法的思想是先將多標(biāo)簽數(shù)據(jù)集轉(zhuǎn)換成單標(biāo)簽數(shù)據(jù)集，利用經(jīng)典算法對(duì)其進(jìn)行分類。基于轉(zhuǎn)換的思路分為樣本實(shí)例轉(zhuǎn)換、標(biāo)簽轉(zhuǎn)換兩種。2.3.1.1基于樣本實(shí)例轉(zhuǎn)換方法（1）創(chuàng)建新的標(biāo)簽。其思想是分類過程中將選中的標(biāo)簽組合起來產(chǎn)生新的標(biāo)....

圖2-2多標(biāo)簽分解方法示意圖

第二章多標(biāo)簽分類方法分析112.3.1基于問題轉(zhuǎn)換方法PT方法的思想是先將多標(biāo)簽數(shù)據(jù)集轉(zhuǎn)換成單標(biāo)簽數(shù)據(jù)集，利用經(jīng)典算法對(duì)其進(jìn)行分類�；谵D(zhuǎn)換的思路分為樣本實(shí)例轉(zhuǎn)換、標(biāo)簽轉(zhuǎn)換兩種。2.3.1.1基于樣本實(shí)例轉(zhuǎn)換方法（1）創(chuàng)建新的標(biāo)簽。其思想是分類過程中將選中的標(biāo)簽組合起來產(chǎn)生新的標(biāo)....

圖2-3BR算法示意圖

電子科技大學(xué)碩士學(xué)位論文12LP算法，從所有標(biāo)簽中選擇k個(gè)標(biāo)簽，從訓(xùn)練集中選出與這k個(gè)標(biāo)簽相關(guān)的樣本，得到一個(gè)新的數(shù)據(jù)集進(jìn)行分類實(shí)驗(yàn)。RAKEL方法的優(yōu)點(diǎn)是減少了LP的計(jì)算復(fù)雜度，缺點(diǎn)是只能預(yù)測(cè)訓(xùn)練集中出現(xiàn)的標(biāo)簽組合，具有很大的局限性。2.3.1.2基于標(biāo)簽轉(zhuǎn)換方法該方法的思想是....

圖2-4集成學(xué)習(xí)

電子科技大學(xué)碩士學(xué)位論文14組合起來，取得比單個(gè)分類器更優(yōu)的性能，因此有時(shí)也被稱為弱學(xué)習(xí)器。但是在人們一般的經(jīng)驗(yàn)中，如果把好壞不等的東西放到一起，效果通常會(huì)比壞的還要差。因此如何通過集成學(xué)習(xí)把多個(gè)學(xué)習(xí)器組合起來以獲得最好的性能成為眾多學(xué)者研究的核心。依據(jù)個(gè)體學(xué)習(xí)器不同的生成方式，....

本文編號(hào)：4025054