版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、多標(biāo)簽學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要組成部分,在現(xiàn)實生活中有很多應(yīng)用。分類器評價標(biāo)準(zhǔn)是衡量分類器好壞的重要指標(biāo)。常用的多標(biāo)簽分類器評價標(biāo)準(zhǔn)有Hamming loss、One-error、Coverage、Ranking loss和Average precision。多標(biāo)簽分類器對測試樣本進(jìn)行分類預(yù)測的時候并未給出分類結(jié)果的評價標(biāo)準(zhǔn)。通常需要標(biāo)記測試樣本才能夠得出標(biāo)價標(biāo)準(zhǔn)值,然而標(biāo)記測試樣本有時候代價昂貴。那么是否可以不標(biāo)記測試樣本就能得出多標(biāo)簽評
2、價標(biāo)準(zhǔn)值呢?本文圍繞這一問題,分別從樣本分布差異和樣本實例間差異對多標(biāo)簽評價標(biāo)準(zhǔn)進(jìn)行估計。從實驗結(jié)果可以看出,訓(xùn)練樣本和測試樣本的分布差異和多標(biāo)簽評價標(biāo)準(zhǔn)都具有良好的線性關(guān)系;訓(xùn)練樣本和測試樣本的實例間差異和多標(biāo)簽評價標(biāo)準(zhǔn)也都具有良好的線性關(guān)系;針對不同的評價標(biāo)準(zhǔn),相關(guān)性程度也不同。分析這兩種方法的特點,之后結(jié)合樣本分布差異和樣本實例間差異對多標(biāo)簽評價標(biāo)準(zhǔn)值進(jìn)行線性擬合估計。實驗表明,這三種多標(biāo)簽評價標(biāo)準(zhǔn)估計方法具有良好的效果。遷移學(xué)習(xí)
3、是機(jī)器學(xué)習(xí)的研究熱點,在實際生活中的應(yīng)用越來越廣泛。負(fù)遷移現(xiàn)象是遷移學(xué)習(xí)中不可避免的話題。遷移學(xué)習(xí)的效果取決于源域樣本和目標(biāo)域樣本的相似性。當(dāng)源域樣本和目標(biāo)域樣本的相似性較小時,遷移學(xué)習(xí)的效果可能不好,甚至?xí)l(fā)生負(fù)遷移現(xiàn)象;反之,則發(fā)生正遷移。本文從樣本分布差異和樣本實例間差異考察源域和目標(biāo)域的相似性,然后考察遷移學(xué)習(xí)的效果。實驗表明,當(dāng)源域樣本集和目標(biāo)域樣本集的分布差異較小時,易發(fā)生正遷移;否則,易發(fā)生負(fù)遷移;當(dāng)源域樣本實例和目標(biāo)域樣
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于樣本加權(quán)的多示例多標(biāo)記遷移學(xué)習(xí)方法研究.pdf
- 基于遷移學(xué)習(xí)的小樣本深度學(xué)習(xí)研究.pdf
- 基于樣本遷移的多核學(xué)習(xí)算法研究.pdf
- 基于主動學(xué)習(xí)的多示例多標(biāo)簽學(xué)習(xí)算法研究.pdf
- 基于學(xué)習(xí)標(biāo)簽相關(guān)性的多標(biāo)簽分類算法.pdf
- 基于多示例多標(biāo)簽學(xué)習(xí)的圖像分類標(biāo)注.pdf
- 基于遷移學(xué)習(xí)的單樣本人臉識別.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)簽關(guān)聯(lián)的多標(biāo)簽學(xué)習(xí).pdf
- 基于多標(biāo)簽學(xué)習(xí)的圖像分類研究.pdf
- 基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用.pdf
- 多標(biāo)簽分類問題的學(xué)習(xí)
- 基于主動學(xué)習(xí)的多標(biāo)簽圖像分類方法研究.pdf
- 基于K近鄰的多標(biāo)簽學(xué)習(xí)方法研究.pdf
- 基于粒計算的K近鄰多標(biāo)簽學(xué)習(xí)算法.pdf
- 基于多潛在空間的遷移學(xué)習(xí)算法研究.pdf
- 基于多核學(xué)習(xí)的多標(biāo)簽特征降維算法研究.pdf
- 多源遷移學(xué)習(xí)的研究.pdf
- 基于終身學(xué)習(xí)Agent的多源遷移算法研究.pdf
- 基于多標(biāo)簽學(xué)習(xí)框架的微博文本分類研究.pdf
- 多標(biāo)簽學(xué)習(xí)的特征降維方法.pdf
評論
0/150
提交評論