版權說明: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,請進行舉報或認領
文檔簡介
1、分類問題是指通過對已知類別的樣本集的學習,來預測未知類別樣本的問題。對于分類問題而言,根據(jù)樣本集合所擁有的標簽數(shù),可分為兩類問題和多類問題;而按樣本所擁有的標簽數(shù),可分為單標簽分類問題和多標簽分類問題。這里所說的多標簽分類問題,是指一個樣本可以同時擁有多個標簽或者一個樣本同時屬于多個類別。在實際生活中,多標簽問題越來越多的得到人們的廣泛關注和認可,例如,蛋白質(zhì)分類、文本分類和景觀分類等。目前,廣泛使用的處理多標簽問題的方法有基于數(shù)據(jù)分解
2、的方法和基于單個優(yōu)化問題的方法。
對于多標簽分類問題,采用“一對一”的分解策略與支持向量機相結(jié)合的算法已經(jīng)逐漸成為一種行之有效的處理方法。但如何提高算法的訓練和測試的效率卻仍然是一個富有挑戰(zhàn)性的課題。為了提高多標簽分類算法的效率,本文推廣經(jīng)典兩類支持向量機提出了一種兩類雙標簽支持向量機。在算法中,將同時擁有正類標簽和負類標簽的樣本看作為雙標簽樣本,將雙標簽樣本置于正類樣本和負類樣本的中間區(qū)域。我們采用投票策略集成子分類器設
3、計出快速多標簽分類算法。本文中基于雙標簽支持向量機的快速多標簽分類算法通過用著名的SVMlight算法來實現(xiàn)。
在算法的實驗部分,本文歸納了一些常用的多標簽分類算法的評價準則,并在四個基準數(shù)據(jù)集酵母數(shù)據(jù)集、景觀數(shù)據(jù)集、情感數(shù)據(jù)集和基因數(shù)據(jù)集上來進行實驗,并通過與現(xiàn)存的一些多標簽分類算法在分類性能上的比較得出,沒有一個多標簽分類算法在所有的評價準則上均保持最優(yōu),而我們的算法無論是在哪個基準數(shù)據(jù)集上,總體上均居于前列,這說明我
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。
最新文檔
- 基于兩類和三類支持向量機的快速多標簽分類算法.pdf
- 基于標簽相關性的多標簽分類算法研究.pdf
- 基于標簽關聯(lián)的多標簽分類問題的算法改進.pdf
- 基于模糊核聚類和模糊支持向量機的多標簽分類方法研究.pdf
- 基于學習標簽相關性的多標簽分類算法.pdf
- 多標簽分類中標簽編碼算法研究.pdf
- 基于KNN的多標簽分類算法研究.pdf
- 基于LS-SVM的多標簽分類算法.pdf
- 基于集成的單標簽和多標簽數(shù)據(jù)流分類算法研究.pdf
- 基于特征選擇的多標簽分類算法研究.pdf
- 支持向量機多類分類算法研究.pdf
- 基于共現(xiàn)關系的多標簽分類算法研究.pdf
- 基于支持向量機分類的b-y離子峰選取算法及肽序列標簽生成算法的研究.pdf
- 多標簽文本分類算法研究.pdf
- 基于模糊支持向量機的多類分類算法研究.pdf
- 多標簽分類算法研究及其應用.pdf
- 基于多目標優(yōu)化的多標簽分類算法研究.pdf
- 支持向量機多類分類算法的研究.pdf
- 基于殼向量的支持向量機快速學習算法研究.pdf
- 基于非負矩陣分解的多標簽分類算法研究.pdf
評論
0/150
提交評論