多标签分类中标签编码算法研究

多标签分类论文 标签编码论文 Hilbert-Schmidt独立性准则论文 自动编码器论文
论文详情
在多标签分类中,一个样本可能同时包含多个标签,多个标签之间可存在相互重叠。随着数据集的标签维度增高,以及标签稀疏性问题,会导致分类算法的计算复杂度增加,分类性能下降。因此,对标签空间的编码研究是多标签分类中非常重要的过程。标签空间的编码方法,主要分为标签压缩类方法,标签扩张类方法以及标签特征同时压缩的方法。本文从标签压缩的角度,提出了两种用于多标签编码的模型:(1)最大化标签与特征之间依赖度的标签编码模型(LCCMD):该模型采用Hilbert-Schmidt独立性准则来度量特征空间与标签空间的依赖度,通过最大化依赖度求解出标签空间的最优投影,从而实现对标签空间的线性编码与解码;(2)基于对称网络的标签编码模型(LCCSN):该模型构建一个五层的对称自动编码网络,然后采用极限学习机的思想来训练该网络,求解出对称网络的最优权值,从而实现对标签空间非线性的编码与解码。在算法的实验部分,主要收集了10个多标签分类算法的评价准则,12个多标签数据集,与3个常用的标签压缩类代表算法(如CS, PLST和CPLST),进行实验比较。实验结果表明,本文提出的两种标签编码模型具有较好的编码效果,并且提高了分类器性能,尤其是基于对称网络的标签编码模型,明显优于CS、PLST和CPLST算法。
摘要第4-5页
Abstract第5页
第1章 绪论第8-10页
    1.1 研究背景和意义第8页
    1.2 国内外研究现状第8-9页
    1.3 本课题的研究内容第9页
    1.4 论文的章节设置第9-10页
第2章 多标签分类方法与标签编码方法第10-24页
    2.1 多标签分类算法第11-14页
        2.1.1 数据分解方法第11-12页
        2.1.2 算法扩展方法第12-13页
        2.1.3 混合方法第13-14页
        2.1.4 集成方法第14页
        2.1.5 标签编码方法第14页
    2.2 标签编码算法第14-21页
        2.2.1 特征降维算法第15-16页
        2.2.2 标签压缩类方法第16-18页
        2.2.3 标签扩张类方法第18-20页
        2.2.4 特征与标签同时压缩的混合类方法第20-21页
    2.3 多标签分类的评价指标与多标签数据集第21-23页
        2.3.1 多标签分类的评价指标第21-22页
        2.3.2 多标签分类数据集第22-23页
    2.4 本章小结第23-24页
第3章 最大化依赖度的标签编码LCCMD算法第24-34页
    3.1 Hilbert-Schmidt独立性准则第24页
    3.2 LCCMD模型的求解过程第24-25页
    3.3 LCCMD模型的编码过程第25-26页
    3.4 LCCMD模型的相关实验第26-33页
        3.4.1 实验数据集第26页
        3.4.2 实验对比算法参数设置第26-27页
        3.4.3 实验结果与分析第27-33页
    3.5 本章小结第33-34页
第4章 基于对称编码网络的标签编码LCCSN算法第34-52页
    4.1 深度学习与自动编码网络第34-35页
        4.1.1 深度学习第34页
        4.1.2 自动编码器第34-35页
    4.2 基于极限学习机思想的LCCSN模型第35-40页
        4.2.1 极限学习机第35-38页
        4.2.2 基于极限学习机的LCCSN模型训练过程第38-40页
    4.3 LCCSN模型的编码过程第40-41页
    4.4 LCCSN模型的相关实验第41-51页
        4.4.1 实验数据集与训练集上的参数调谐第41-42页
        4.4.2 实验结果与分析第42-51页
    4.5 本章小结第51-52页
第5章 总结第52-53页
附录第53-74页
参考文献第74-79页
致谢第79页
论文购买
论文编号ABS3414769,这篇论文共79页
会员购买按0.30元/页下载,共需支付23.7
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付39.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656