2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩43頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、多標記學習自出現(xiàn)以來,為各領(lǐng)域普遍存在的多義或歧義性問題提供了有效的解決辦法,彌補了傳統(tǒng)單標記學習的不足。作為機器學習及數(shù)據(jù)挖掘方向的一個研究熱點,多標記學習已廣泛應用于各個研究領(lǐng)域。本文緒論簡要綜述了多標記學習研究背景與意義、兩個關(guān)注方向的多標記分類算法的研究現(xiàn)狀;詳細介紹了多標記學習相關(guān)的理論基礎(chǔ),包括學習框架、性能評價指標及測試基準數(shù)據(jù)集;對本文所使用的對比算法進行了詳細介紹。
  多標記分類是多標記學習任務重要的組成部分,

2、關(guān)于多標記分類算法的研究,絕大多數(shù)研究者關(guān)注的是標記空間,主要算法大致分為三類:算法適應方法、問題轉(zhuǎn)化方法、集成方法。第一類方法是對傳統(tǒng)已有的學習算法進行改進擴展使其適應多標記數(shù)據(jù);第二類是將多標記問題轉(zhuǎn)化為若干個單標記問題或者回歸問題進行處理;第三類是把上述兩類方法單獨或者聯(lián)合集成為一個算法處理多標記數(shù)據(jù)?;谔卣鲗傩钥臻g的分類算法考慮到了樣例的特征屬性空間操作對分類性能的影響,其分類效果不亞于其他算法。另外,通過挖掘樣例之間數(shù)值關(guān)系

3、,將關(guān)系映射到標記空間,也為標記預測提供了新的思路。
  本文對多標記分類問題進行的研究如下:
 ?。?)基于特征屬性的多標記分類研究,提出了一種改進I2C距離的多標記場景分類算法。已出現(xiàn)的基于特征屬性的算法都是對原始數(shù)據(jù)特征屬性進行各種變換,另外對原始數(shù)據(jù)集特征提取方法的改變也可以達到目的。本文將多標記場景圖像進行重新提取surf特征,改變了傳統(tǒng)以一個向量表示一個樣本的方法,變?yōu)橐韵蛄考媳硎疽粋€樣本,分類即轉(zhuǎn)變?yōu)榛谔卣?/p>

4、屬性粒度;其次采用改進的I2C計算方法來計算待測圖像與已知類之間的距離;最后利用標記相關(guān)性預測所有可能的標記,通過實驗表明該方法在各評價指標上效果有所提升。
  (2)基于樣例數(shù)值關(guān)系的多標記分類研究,提出了一種通過挖掘樣例之間數(shù)值關(guān)系預測樣例標記的多標記學習方法。傳統(tǒng)分類算法中,用到樣例之間關(guān)系的只是在特征空間比較兩個樣例之間的相似性,借此推測類別標記,忽略了存在于樣例之間的數(shù)值關(guān)系。充分挖掘樣例之間的數(shù)值關(guān)系,將挖掘的數(shù)值關(guān)系

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論