發(fā)布時間：2024-11-26 21:47

　　多標(biāo)記學(xué)習(xí)已逐漸成為機器學(xué)習(xí)、大數(shù)據(jù)和數(shù)據(jù)挖掘等智能領(lǐng)域的研究熱點之一。在多標(biāo)記學(xué)習(xí)中,通常樣本的特征數(shù)量越多,樣本實例也就被描述的越準(zhǔn)確。隨著特征數(shù)量的不斷增加,它的相關(guān)冗余特征也將不斷增多。由于這些特征數(shù)量的存在會嚴(yán)重影響到分類器的精度,甚至?xí)斐烧`分,因此需要對特征數(shù)量進(jìn)行降維。特征選擇是一種有效的降維方法,它可以先從中選擇出相關(guān)性高且冗余性小的特征作為特征子集,再對其進(jìn)行分類訓(xùn)練與預(yù)測。在一個樣本實例中,是否有標(biāo)記與樣本實例的特征屬性有著密切的聯(lián)系。同時由于標(biāo)記的不平衡性在智能領(lǐng)域中廣泛存在,它會讓不同標(biāo)記對樣本實例的描述程度存在一定的差異性。目前,有關(guān)不平衡數(shù)據(jù)的研究較為匱乏。傳統(tǒng)的處理方法一般是先通過抽樣或者重采樣的方式將不平衡數(shù)據(jù)處理成為平衡數(shù)據(jù),再對其進(jìn)行研究。但是這種處理方法常會改變原有數(shù)據(jù)集的屬性和丟失部分信息,致使分類器的精度有所下降。現(xiàn)有的研究多數(shù)是針對單標(biāo)記下的不平衡性,而對多標(biāo)記下的不平衡性卻鮮有研究�；诙鄻�(biāo)記下的不平衡性存在的問題,本文提出了兩種改進(jìn)算法,主要研究工作如下:(1)目前多數(shù)特征選擇算法并未考慮不同標(biāo)記對樣本的描述程度可能存在一定的差異性。針對...

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1 信息熵與互信息的關(guān)系圖

由此可知,若I(X;Y)越大,則X與Y之間關(guān)聯(lián)越緊密,若X與Y無關(guān),則I(X;Y)=0。通過文氏圖(Venndiagram)可以更直觀的展示信息熵與互信息的關(guān)聯(lián)性（見圖2.1）。2.2.3特征與標(biāo)記集合互信息

圖2.2 特征選擇流程圖

特征選擇是指從全部特征中選取一個使構(gòu)造出來的模型效果更好且推廣能力更強的特征子集,即通過篩選出全局或局部最優(yōu)特征子集用以降低特征空間維數(shù)的過程。而為了得到一個新的較優(yōu)特征子集,對冗余不相關(guān)、欠刻畫能力的特征進(jìn)行了剔除,達(dá)到減少特征個數(shù)、減少訓(xùn)練或者運行時間、提高模型精確度的作用,....

圖2.3 特征選擇方法分類

在機器學(xué)習(xí)、大數(shù)據(jù)和數(shù)據(jù)挖掘等高新技術(shù)領(lǐng)域,特征選擇擁有著舉足輕重的影響。在特征選擇過程中,評價函數(shù)作為一個評價準(zhǔn)則,可以判斷一個特征子集是否較優(yōu),而依據(jù)評價準(zhǔn)則的不同,有關(guān)特征選擇方面的算法可以分為：過濾式模型(Filter)、封裝式模型(Wrapper)以及嵌入式模型(Emb....

圖3.1 Computer數(shù)據(jù)集標(biāo)記分布圖

研究發(fā)現(xiàn)在多標(biāo)記學(xué)習(xí)中,由于標(biāo)記對樣本的描述存在著差異性,即在每個標(biāo)記下正類與負(fù)類出現(xiàn)的頻率并不一樣,而這種標(biāo)記頻率分布可以為多標(biāo)記學(xué)習(xí)的研究提供一定的輔助信息從而提高分類的精度�；诖�,本章提出一種MSIO算法：首先計算標(biāo)記空間中每個標(biāo)記下正標(biāo)記(正類)樣本和負(fù)標(biāo)記(負(fù)類)樣本....

本文編號：4012635