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

结合类属特征及因果发现的序列优化分类器链

北京理工大学学报 2021年第12期41卷 1293-1299页

作者：罗森林王海州潘丽敏北京理工大学信息与电子学院北京100081

分类器链是利用标签间相关性实现挖掘特定对象多维标记信息的重要多标签分类方法.面向现有分类器链算法,针对各标签的基学习器均在完整特征空间中训练导致学习特征冗余,以及因标签学习顺序随机且分类器链训练过程单向无反馈导致的标签... 详细信息

分类器链是利用标签间相关性实现挖掘特定对象多维标记信息的重要多标签分类方法.面向现有分类器链算法,针对各标签的基学习器均在完整特征空间中训练导致学习特征冗余,以及因标签学习顺序随机且分类器链训练过程单向无反馈导致的标签间相关信息利用不充分等问题,本文提出一种结合类属特征及因果发现的序列优化分类器链.该方法采用类内仿射传播聚类为每个基学习器构建高级结构化特征,减少冗余信息;利用条件熵准则挖掘标签间因果关系,优化学习序列提高对标签间相关信息的利用程度.在多个公开数据集的实验结果表明,序列优化分类器链有效增强了单节点学习效果以及对多标签间关联信息的利用,有效提升了多标签分类效果,实用价值高.

关键词：多标签分类分类器链类属特征因果关系仿射传播

在线全文

学校读者我要写书评

暂无评论

基于类属特征和实例相关性的多标签分类算法

模式识别与人工智能 2020年第5期33卷 439-448页

作者：张永刘浩科张洁辽宁师范大学计算机与信息技术学院大连116081

学习类属特征方法为每个标签选择特有特征并考虑成对标签的相关性以降低维度,可有效解决多标签分类遇到的维度过大问题,但缺乏对实例相关性的考虑.针对此问题,文中提出基于类属特征和实例相关性的多标签分类算法,不仅考虑标签相关性还... 详细信息

学习类属特征方法为每个标签选择特有特征并考虑成对标签的相关性以降低维度,可有效解决多标签分类遇到的维度过大问题,但缺乏对实例相关性的考虑.针对此问题,文中提出基于类属特征和实例相关性的多标签分类算法,不仅考虑标签相关性还考虑实例特征的相关性.通过构建相似性图,学习实例特征空间的相似性.在8个数据集上的实验表明,文中算法可有效提取类属特征,具有较好的分类性能.

关键词：多标签分类类属特征实例相关性特征选择

在线全文

学校读者我要写书评

暂无评论

基于图拉普拉斯的多标签类属特征选择

上海大学学报（自然科学版） 2022年第2期28卷 281-290页

作者：吴喆君黄睿上海大学通信与信息工程学院上海200444

多标签特征选择能够有效去除冗余特征并提升分类精度,是解决“维数灾难”问题的有效方法.然而,已有的多标签特征选择算法是对所有标签选择出相同的特征,忽略了标签与特征之间的内在联系.事实上,每个标签都具有反映该标签特有属性的特征... 详细信息

多标签特征选择能够有效去除冗余特征并提升分类精度,是解决“维数灾难”问题的有效方法.然而,已有的多标签特征选择算法是对所有标签选择出相同的特征,忽略了标签与特征之间的内在联系.事实上,每个标签都具有反映该标签特有属性的特征,即类属特征.提出一种基于图拉普拉斯的多标签类属特征选择(multi-label label-specific feature selection based on graph Laplacian,LSGL)算法.对于每个类别标签,基于拉普拉斯映射获得数据的低维嵌入,再通过稀疏正则化获得数据空间到嵌入空间的投影矩阵,接着通过分析矩阵系数确定每个标签相应的类属特征,最后使用类属特征进行分类.在5个公共多标签数据集上的多标签特征选择与分类实验结果证明了所提算法的有效性.

关键词：多标签学习特征选择类属特征图拉普拉斯

在线全文

学校读者我要写书评

暂无评论

基于类属特征的多标签流形学习分类方法

上海大学学报（自然科学版） 2021年第3期27卷 525-534页

作者：亢浏越黄睿孙广玲上海大学通信与信息工程学院上海200444

多标签流形学习(multi-label manifold learning,ML^(2))基于特征流形构建标签流形,将标签逻辑值转换为实数值,能更好地反映标签相关性,提高分类性能.但是,ML^(2)与多数多标签分类方法一样,是基于数据的全部特征进行标签预测,没有考虑... 详细信息

多标签流形学习(multi-label manifold learning,ML^(2))基于特征流形构建标签流形,将标签逻辑值转换为实数值,能更好地反映标签相关性,提高分类性能.但是,ML^(2)与多数多标签分类方法一样,是基于数据的全部特征进行标签预测,没有考虑不同特征对不同类别标签的鉴别能力.因此,提出一种基于类属特征的多标签流形学习分类(label specific feature based multi-label manifold learning,LSF-ML^(2))方法.首先,利用标签数据优化类属特征重要度矩阵,确定类属特征子集;再将子集的特征流形映射到标签空间,使标签从离散型变为数值型;最后,通过多输出回归实现分类.实验结果表明,所提方法性能优于多种多标签分类方法.

关键词：多标签学习分类类属特征流形学习标签相关性

在线全文

学校读者我要写书评

暂无评论

基于标签正负相关性的多标签类属特征学习

计算机工程与设计 2021年第5期42卷 1271-1277页

作者：黄睿亢浏越上海大学通信与信息工程学院上海200444

提出一种基于标签正负相关性的多标签类属特征学习方法(multi-label learning with label-specific features based on positive and negative label correlation,LIFTPNL)。基于k近邻的思想构建全局和局部的标签信息矩阵,根据此矩阵计算成对标签的正负相关性;对每个类别标签,基于属于相同和不同类簇的样本构建连接矩阵,联合该标签正负相关性计算样本相似度;采用谱聚类方法获得聚类中心,将原有特征转换成类属特征;通过二分类器得到分类结果。实验结果表明,所提算法优于多种多标签分类方法。

关键词：多标签学习分类类属特征标签正负相关性聚类

基于标签关系嵌入的类属特征多标签分类算法研究

在线全文

学校读者我要写书评

暂无评论

基于标签关系嵌入的类属特征多标签分类算法研究

作者：檀怡安徽大学

学位级别：硕士

多标签分类可以处理复杂多语义数据的分类问题,广泛用于现实生活中的各个领域。例如:电影推荐系统、图像分类系统以及医药分类等多个方面。在处理多标签分类问题时,存在着一些关键技术上的挑战,例如特征降维问题、标签相关性度量问题和... 详细信息

多标签分类可以处理复杂多语义数据的分类问题,广泛用于现实生活中的各个领域。例如:电影推荐系统、图像分类系统以及医药分类等多个方面。在处理多标签分类问题时,存在着一些关键技术上的挑战,例如特征降维问题、标签相关性度量问题和不完整标签问题等。然而在现有的多标签分类算法中,对这些问题的处理并不充分,这对多标签分类模型的性能是一个很大制约。另外,多标签分类算法对于特征空间投影到标签空间的信息丢失问题也没有有效的解决办法,而且并没有算法挖掘标签之间潜在的因果关系。本文主要以多标签分类中的类属特征学习、标签相关性学习和缺失标签学习作为研究对象,并以多标签线性回归模型为基础,探索在不同模型框架、不同实验环境下多标签分类的效果。论文的主要工作总结如下:(1)针对多标签分类中存在的特征提取问题、标签相关性度量问题以及特征信息和标签信息考虑不充分的问题,提出了基于标签自编码器和类属特征的多标签学习方法,该算法在多标签类属特征学习模型中引入逆投影损失函数构成标签自编码模型,解决特征信息考虑不充分的问题。此外,对于标签相关性度量问题,该算法利用因果学习算法探索标签之间内在的因果关系,以优化类属特征提取和后续分类模型的建立。通过大量的实验和分析证明,该算法与多个最新的算法比较具有更好的分类效果。(2)针对多标签分类中标签信息缺失问题,提出基于嵌入类属特征的缺失标签多标签学习算法,该算法是一种嵌入式的包装方法,将生成类属特征过程放在嵌入特征空间中,并且后续模型的归纳过程也被联合到一个整体的框架当中。该方法在嵌入特征空间学习类属特征,同时利用高阶标签相关性对缺失标签进行恢复,最后结合经验损失最小化和恢复的标签信息构建多标签分类器。另外,为了优化模型,还提出了一种非线性核扩展方法,该优化方法可以更好的处理多标签分类问题。在多个数据集上的广泛实验充分证明了该算法比其他先进的算法相比具有更强的性能表现。

关键词：多标签分类类属特征标签自编码器标签因果关系缺失标签

基于类属特征和依赖标记的多标记分类算法研究

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

基于类属特征和依赖标记的多标记分类算法研究

作者：秦梦莹安徽工业大学

学位级别：硕士

当前互联网中存在着大量包含多种语义信息的对象,传统的的单标记学习框架已经难以有效的去处理这些多义性对象,多标记学习框架则可以很好的处理这些多义性对象因而吸引了诸多研究者的关注,在多标记学习中,分类问题是当前研究者探讨的热... 详细信息

当前互联网中存在着大量包含多种语义信息的对象,传统的的单标记学习框架已经难以有效的去处理这些多义性对象,多标记学习框架则可以很好的处理这些多义性对象因而吸引了诸多研究者的关注,在多标记学习中,分类问题是当前研究者探讨的热点话题。不同于单标记分类,多标记分类问题的输出空间对应的是多个标记,同时标记之间可能也存在一些隐含的相关关系,如果能充分利用好标记之间的相关性,对于提升算法的分类性能将会有很大帮助,例如一些多标记分类方法通过构造链式分类器或堆叠式分类器以利用标记之间的高阶相关性,但这些方法在测试阶段可能会存在标记预测误差传播的问题。另外在多标记分类任务中,特征是描述数据集中不同数据对象的重要参考,然而冗余或不相关的特征不仅会增加运算成本,还会影响算法的分类性能。本文围绕多标记分类中待解决的问题,所做的主要研究工作如下:提出了一种基于类属特征和依赖标记的多标记分类算法,该算法通过7)稀疏正则项构造稀疏的类属特征系数矩阵和依赖标记系数矩阵,类属特征的构造可选择出每个类别标记最具判别性的特征子集,依赖标记则可以反映标记之间的全局相关性,同时结合标记局部相关性概念,通过流形正则项约束模型的系数矩阵以限制标记输出,算法采用加速梯度下降法来求解目标函数。在测试阶段预测标记可根据求解得到的类属特征系数矩阵和依赖标记系数矩阵获得,而无需使用额外分类器,从而降低因使用外部分类器导致的误差传播问题对算法分类性能的影响。在实验阶段,使用不同规模的数据集对比所提算法与其它多标记分类算法的分类性能,根据在不同评价指标上的评估结果和后续的算法性能检验结果来验证所提算法分类性能的优越性。

关键词：多标记学习多标记分类类属特征依赖标记误差传播

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

基于类属特征和依赖标记的多标记分类算法

现代计算机 2020年第35期26卷 13-20页

作者：秦梦莹秦锋安徽工业大学计算机科学与技术学院马鞍山243000

针对当前多标记分类学习中建模高阶标记相关性存在的误差传播问题,提出一种基于类属特征和依赖标记的多标记分类算法(CFDL)。首先,将特征矩阵和标记矩阵融合,构建线性分类模型,通过稀疏约束学习每个类别标记的类属特征集和依赖标记,建... 详细信息

针对当前多标记分类学习中建模高阶标记相关性存在的误差传播问题,提出一种基于类属特征和依赖标记的多标记分类算法(CFDL)。首先,将特征矩阵和标记矩阵融合,构建线性分类模型,通过稀疏约束学习每个类别标记的类属特征集和依赖标记,建模高阶标记相关性;其次,根据标记矩阵构建二阶标记相关性矩阵,并依次约束分类模型参数的流形结构;最后,使用加速近端梯度方法求解最终的多标记分类目标函数。CFDL算法在测试阶段无需借助外部分类器,可降低因使用外部分类器而导致误差传播的问题。通过与4种多标记分类算法在6个多标记数据集上进行的对比实验,验证CFDL算法在处理多标记分类问题的有效性。

关键词：多标记分类类属特征依赖标记标记相关性

在线全文

学校读者我要写书评

暂无评论

一种基于修正划分模糊度的聚类有效性函数

系统工程与电子技术 2005年第4期27卷 723-726页

作者：李洁高新波焦李成西安电子科技大学电子工程学院陕西西安710071

针对大多数现有的聚类有效性函数都是针对于数值型数据提出的,无法有效地评价和分析类属型数据的问题,提出了一种新的聚类有效性函数—修正划分模糊度;通过结合模糊划分熵和划分模糊度测度,所提出的聚类有效性函数既可以评价数值型数据... 详细信息

针对大多数现有的聚类有效性函数都是针对于数值型数据提出的,无法有效地评价和分析类属型数据的问题,提出了一种新的聚类有效性函数—修正划分模糊度;通过结合模糊划分熵和划分模糊度测度,所提出的聚类有效性函数既可以评价数值型数据分类结果,也可以评价类属型数据的分类性能。

关键词：聚类分析聚类有效性函数数值特征类属特征