基于標記與特征依賴最大化的弱標記集成分類
大?。?/span>1.28 MB 人氣： 2017-12-25 需要積分：1
標簽：分類(12865)
弱標記學(xué)習是多標記學(xué)習的一個重要分支，近幾年已被廣泛研究并被應(yīng)用于多標記樣本的缺失標記補全和預(yù)測等問題．然而，針對特征集合較大、更容易擁有多個語義標記和出現(xiàn)標記缺失的高維數(shù)據(jù)問題，現(xiàn)有弱標記學(xué)習方法普遍易受這類數(shù)據(jù)包含的噪聲和冗余特征的干擾．為了對高維多標記數(shù)據(jù)進行準確的分類。提出了一種基于標記與特征依賴最大化的弱標記集成分類方法EnWL.EnWL首先在高維數(shù)據(jù)的特征空間多次利用近鄰傳播聚類方法，每次選擇聚類中心構(gòu)成具有代表性的特征子集，降低噪聲和冗余特征的干擾；再在每個特征子集上訓(xùn)練一個基于標記與特征依賴最大化的半監(jiān)督多標記分類器；最后，通過投票集成這些分類器實現(xiàn)多標記分類．在多種高維數(shù)據(jù)集上的實驗結(jié)果表明。EnWL在多種評價度量上的預(yù)測性能均優(yōu)于已有相關(guān)方法。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于標記與特征依賴最大化的弱標記集成分類下載
相關(guān)電子資料下載
- 人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些 134
- 一文快速了解RFID技術(shù)的構(gòu)成及分類 109
- 車載無線技術(shù)分類介紹 411
- 機器視覺光源的作用、分類及實際應(yīng)用 118
- 神經(jīng)元的分類包括哪些 234
- 卷積神經(jīng)網(wǎng)絡(luò)分類方法有哪些 102
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些 106
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類 114
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類領(lǐng)域的應(yīng)用 152
- 風華貼片電容的分類詳細介紹 86