检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

局部标记关系的多标记迁移学习算法

小型微型计算机系统 2017年第7期38卷 1595-1600页

作者：刘昊天舒欣姜海燕徐彦伍艳莲郭小清南京农业大学信息科技学院南京210095 国家信息农业工程技术中心南京210095

现有多标记迁移学习主要利用全局标记关系信息,由于源领域与目标领域的标记关系存在差异,源领域中全局标记关系不适合于目标领域.本文提出一种局部标记关系的多标记迁移学习算法,该算法通过对样本的标记进行聚类和最小化联合损失函数,... 详细信息

现有多标记迁移学习主要利用全局标记关系信息,由于源领域与目标领域的标记关系存在差异,源领域中全局标记关系不适合于目标领域.本文提出一种局部标记关系的多标记迁移学习算法,该算法通过对样本的标记进行聚类和最小化联合损失函数,可以有效的挖掘领域间共享的局部标记关系,对应的局部关系编码可以作为样本的辅助特征从而提高模型性能.图像分类实验表明,在多标记迁移学习中,基于局部标记关系的学习算法相比基于全局标记关系的学习算法具有更好的分类效果;本文所提算法与现有算法相比具有更好的分类效果.

关键词：多标记迁移学习标记关系局部关系

在线全文

学校读者我要写书评

暂无评论

融合标记关系的多标记数据建模研究

融合标记关系的多标记数据建模研究

作者：高琪山西大学

学位级别：硕士

现实中的数据往往具有多标记性。例如,一张图片可能同时包含“沙漠”、“骆驼”和“蓝天”等语义标注;一篇新闻报道可能同时包含“经济”、“战争”和“政治”等主题;一段话可能同时包含有“愉悦”和“悲伤”等情感。多标记数据的高维性... 详细信息

现实中的数据往往具有多标记性。例如,一张图片可能同时包含“沙漠”、“骆驼”和“蓝天”等语义标注;一篇新闻报道可能同时包含“经济”、“战争”和“政治”等主题;一段话可能同时包含有“愉悦”和“悲伤”等情感。多标记数据的高维性,会增加分类、聚类等数据挖掘任务的困难性,如增加挖掘算法的时间复杂度以及模型的复杂度等。特征选择是一种保证对挖掘结果不变差的条件下,尽量使用较少的特征进行建模的数据预处理技术。目前的多标记数据特征选择研究还未对标记之间的关系进行充分利用,同时在特征选择后,直接使用已有的分类,未很好的利用特征选择的结果。为此,融合标记关系,开展多标记数据的特征选择以及针对特征选择结果的分类器的设计研究,主要研究内容和结论如下:(1)基于模糊不一致对的多标记属性约简本文将每个标记视做一个随机变量,利用KL散度度量标记关系,结合该标记关系,赋予每个标记以权重,结合标记权重定义模糊不一致样本对。用属性对模糊不一致样本对的区分能力定义属性重要度,提出了一种基于模糊不一致对的多标记属性约简算法。在对8个公开的多标记数据集当中,采用6种评价指标,证明了所提算法的有效性。(2)融合标记关系的K近邻多标记分类器由于在多标记数据集上,不同标记可同时出现0值或者1值,为此,我们考虑标记之间可能存在线性关系,并利用关联规则进行挖掘,结合挖掘结果赋予标记权重,得到标记排序序列。结合标记权重与已有属性约简算法,得到约简后的特征子集,用特征子集定义样本距离的度量公式,结合标记排序序列与标记之间影响力,提出一种融合标记关系的K近邻多标记分类器。在对5个公开的多标记数据集当中,采用6种评价指标,证明了所提算法的有效性。总之,本文在多标记数据的特征选择以及针对选择结果分类器中,融合标记关系,较以往未融合标记关系进行多标记数据的特征选择效果与分类效果有一定的提升,为多标记数据的处理提供新的方法。

关键词：多标记数据特征选择模糊粗糙集标记关系 K近邻分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于多标记学习的分类器圈方法

软件学报 2015年第11期26卷 2811-2819页

作者：王少博李宇峰计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

如何利用标记间关系来提高学习性能,是多标记学习领域的一个重要问题.分类器链方法及其变型是解决这类问题的一个有效技术.然而,它的学习过程需要预先给定标记的学习次序,这个信息真实情况难以获得.次序选择不当会导致学习性能提高受限... 详细信息

如何利用标记间关系来提高学习性能,是多标记学习领域的一个重要问题.分类器链方法及其变型是解决这类问题的一个有效技术.然而,它的学习过程需要预先给定标记的学习次序,这个信息真实情况难以获得.次序选择不当会导致学习性能提高受限.针对这个问题,提出用于多标记学习的分类器圈方法.该方法随机生成标记的学习次序,通过圈结构依次迭代地更新每个标记的分类器.实验结果表明,该方法在多个数据集上取得了比分类器链方法以及一系列经典多标记学习方法更好的性能.

关键词：多标记学习标记关系分类器圈分类器链

在线全文

学校读者我要写书评

暂无评论

基于模糊不一致对的多标记属性约简

智能系统学报 2020年第2期15卷 374-385页

作者：高琪李德玉王素格山西大学计算机科学与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

在实际生活当中,存在着大量的高维多标记数据,为解决维度灾难问题,通常需要约简属性集。针对目前的多标记属性约简算法未考虑标记关系问题,本文提出了一种融合标记关系的模糊不一致对多标记属性约简算法。利用相对熵(KL散度)度量标记之... 详细信息

在实际生活当中,存在着大量的高维多标记数据,为解决维度灾难问题,通常需要约简属性集。针对目前的多标记属性约简算法未考虑标记关系问题,本文提出了一种融合标记关系的模糊不一致对多标记属性约简算法。利用相对熵(KL散度)度量标记之间的关系,定义标记权重,结合标记权重,定义模糊不一致对,考虑到属性对于模糊不一致对的区分性,定义属性重要性并进行属性约简。在8个数据集上的对比实验表明,所提基于模糊不一致对的多标记属性约简算法优于当前的多标记属性约简算法。

关键词：多标记数据属性约简模糊不一致对标记权重 KL散度标记关系模糊粗糙集区分矩阵

在线全文

学校读者我要写书评

暂无评论

基于加权信息粒化的多标记数据特征选择算法

智能系统学报 2023年第3期18卷 619-628页

作者：胡军王海峰重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

特征选择能去除不相关和冗余的特征,是解决多标记数据维度灾难的有效工具。现有的多标记特征选择算法没有考虑标记空间存在的相关性,认为每个样本的相关标记的重要性相同,并且忽略了特征空间可能是标记重要性差异形成的内在因素,使得选... 详细信息

特征选择能去除不相关和冗余的特征,是解决多标记数据维度灾难的有效工具。现有的多标记特征选择算法没有考虑标记空间存在的相关性,认为每个样本的相关标记的重要性相同,并且忽略了特征空间可能是标记重要性差异形成的内在因素,使得选择的特征不能精确全面地刻画样本且计算过程复杂。为此,本文利用标记间的相关性对标记空间进行划分以简化计算,并定义标记重要性度量和特征权重,在此基础上提出了一种基于加权信息粒化的多标记特征选择算法。通过在真实多标记数据集上的实验对比分析,本文提出的算法在各项评价指标上均优于其他对比算法,验证了算法的有效性和可行性。

关键词：邻域粗糙集信息粒化多标记学习标记重要性标记关系特征权重特征选择谱聚类

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

两重稀疏约束的多标记社团分类算法

计算机科学与探索 2017年第6期11卷 959-971页

作者：李娜潘志松任义强李国朋蒋铭初中国人民解放军理工大学指挥信息系统学院南京210007 中国电子科技集团公司第三十二研究所上海201808 西门子电力自动化有限公司南京211100 西安通信学院西安710106

在多标记研究中,对于标记间相关性的利用已经越来越广泛,从而标记关系的展示就很有必要。相对以往的研究而言,由于多标记数据的高维特征,在训练过程中极为繁琐耗时,稀疏优化就尤为关键;同时标记相关性的内涵没有经过深入挖掘,因此如何... 详细信息

在多标记研究中,对于标记间相关性的利用已经越来越广泛,从而标记关系的展示就很有必要。相对以往的研究而言,由于多标记数据的高维特征,在训练过程中极为繁琐耗时,稀疏优化就尤为关键;同时标记相关性的内涵没有经过深入挖掘,因此如何更方便有效地进行多标记分类以及研究所有标记之间的相关性显得尤为必要。提出了一种基于两重稀疏约束的多标记社团分类算法,该算法首先将?_1/?_2正则化应用到多标记数据的稀疏表示过程,为后面的研究提供便利条件;其次在多标记关系基础上应用基于?_1范数正则化的社团发现算法,有效地对标记进行社团划分,直观展示出标记关系的内涵。实验证明该方法能够快速、准确地进行多标记分类,并且能够准确展示标记关系。

关键词：多标记标记关系非负矩阵分解(NMF) .1/.2范数 .1范数

在线全文

学校读者我要写书评

暂无评论

基于标记集合划分的多标记分类算法

昆明理工大学学报（自然科学版） 2014年第3期39卷 54-60页

作者：何颖婧王志海李哲北京交通大学计算机与信息技术学院北京100044

在多标记学习中,标记之间往往既不是完全独立也不是完全排斥的,因此在构建多标记分类器时要充分利用标记之间的依赖关系.目前利用标记间关系的方法有将标记集合划分为子集和将各标记间关系表示为链式两种.本文提出了一种结合上述两种思... 详细信息

在多标记学习中,标记之间往往既不是完全独立也不是完全排斥的,因此在构建多标记分类器时要充分利用标记之间的依赖关系.目前利用标记间关系的方法有将标记集合划分为子集和将各标记间关系表示为链式两种.本文提出了一种结合上述两种思想的算法,首先根据标记对间的依赖度量值来启发式地对标记集合进行划分,然后在最终的划分子集合间依次建立分类器组成分类器链.通过与其他算法的比较,实验结果表明该算法能提升分类器性能.

关键词：多标记标记关系分类器链

多标记迁移学习算法研究以及在鸟声识别中的应用

在线全文

学校读者我要写书评

暂无评论

多标记迁移学习算法研究以及在鸟声识别中的应用

作者：刘昊天南京农业大学

学位级别：硕士

迁移学习是针对跨领域学习问题提出的一类机器学习方法。迁移学习在彼此不同但又相关联的两个领域之间挖掘领域共享的潜在特征和结构,使得样本数据所包含的知识可以在领域之间实现迁移和复用。早期的迁移学习算法假设每个实例只与一个... 详细信息

迁移学习是针对跨领域学习问题提出的一类机器学习方法。迁移学习在彼此不同但又相关联的两个领域之间挖掘领域共享的潜在特征和结构,使得样本数据所包含的知识可以在领域之间实现迁移和复用。早期的迁移学习算法假设每个实例只与一个类别标记相关,而在图像、文本、视频等分类问题中,实例通常都会被同时标注多个类别标记。因此,近年来一些研究开始关注多标记数据的迁移学习方法,又称多标记迁移学习(Multi-Label Transfer Learning)。多标记迁移学习通过将多标记数据转化为单标记数据,或者改进已有的单标记迁移学习算法,解决多标记数据的迁移学习问题。当前的多标记迁移学习研究都是基于特征迁移方法,通过构造源领域与目标领域的公共特征表示,将源领域中多标记样本的特征分布和标记关系迁移到目标领域中。却少有研究关注领域间特征分布和标记关系的差异对迁移后的模型造成的影响。因此,本文围绕多标记迁移学习,针对领域间样本的特征分布差异和标记关系差异展开研究。本文设计了一个具有领域自适应性的多标记迁移学习算法,以及一个基于局部标记关系的多标记迁移学习算法,并将前者应用到多物种鸟声识别问题中,提出了一种基于特征迁移的多物种鸟声识别方法。论文的主要贡献包括:(1)针对领域间特征分布差异问题,设计基于最大均值差异的多标记迁移学习算法(M-MLTL)目前已有的多标记迁移学习算法忽视了源领域与目标领域数据的特征分布可能存在差异,此时源领域数据的特征无法被目标领域充分利用。本文针对该问题提出一个具有领域自适应性的特征迁移算法。算法通过构造一个理想的特征映射函数将源领域和目标领域样本投影到共享的潜在特征子空间中,并引入最大均值差异(Maximum MeanDiscrepancy,MMD)度量子空间内的领域特征分布差异,确保子空间内的样本特征分布相似,从而避免了特征分布差异造成的分类模型不适应。算法在2个图像分类数据集上的对比实验结果表明,新算法在五项指标上的综合表现排名第一,可见新算法相较于已有同类算法有更高的分类精度;另一方面,当样本数量大于700后,随着样本数量的增加新算法的计算时间不再增加,可见新算法在大样本分类问题中有更高的计算效率。(2)针对领域间标记关系差异问题,提出多标记迁移学习中的局部标记关系理论,并设计基于局部标记关系的多标记迁移学习算法(MTLOC)现有多标记迁移学习假设源领域的标记关系对目标领域是全局有效的,然而源领域与目标领域的标记关系存在差异,源领域中标记关系并不全适合于目标领域。因此,本文将基于局部标记关系的多标记学习算法(Multi-Label learning using LOcal Correlation,ML-LOC)推广到迁移问题中,提出一种基于局部标记关系的多标记迁移学习算法。通过最小化加权损失函数,挖掘源领域与目标领域共享的标记关系,并将其作为辅助特征,提高分类模型在目标领域上的分类精度。算法在2个图像分类数据集上的对比实验结果表明,并且随着局部标记关系个数的增加,算法各项指标的表现有明显提升,可见在多标记迁移学习问题中局部标记关系能够提升算法精度;新算法在各项指标上的表现都超过基于全局标记关系的迁移学习算法,可见新算法比基于全局标记关系算法有更高的分类精度。(3)提出一种基于特征迁移的多物种鸟声识别方法(FT-RMBS),为多物种鸟声识别应用中训练样本不足的问题提供了一种解决方案针对多物种鸟声识别中多物种鸟声样本不足的问题,尝试采用单物种鸟声样本训练多物种鸟声识别模型,提出一种基于特征迁移的多物种鸟声识别方法,该方法采用M-MLTL算法将单物种鸟声和多物种鸟声的原始音频特征映射为同分布的潜在音频特征,再基于单物种鸟声的潜在音频特征训练多物种鸟声识别模型。对比算法在自然形成的多物种鸟声数据集上的识别效果,新算法在4项全局评价指标上都取得了较好的识别效果,可见新算法相较于未采用特征迁移的鸟声识别算法有更高的识别率。算法在人工构造的多物种鸟声数据集上对比试验表明,基于特征迁移的识别算法正确识别率相较于对比算法最高提升了 20%,可见新算法在多物种鸟声识别问题中更有优势。

关键词：多标记迁移学习领域适应标记关系鸟声识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GHR—基于共享模型的多标记学习方法

内蒙古科技与经济 2014年第16期 50-51,54页

作者：吕素峰同济大学软件学院上海200092 宁夏黄河农村商业银行股份有限公司宁夏银川750004

阐述了什么是多标记学习框架GHR及其研究进展,并对GHR和LGHR进行了分析,通过实验得出:LGHR能够有效地利用标签之间的关系,提高学习的性能,优于其他几种典型的多标记学习方法。

关键词：多标记学习模型共享标记关系问题转换