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)
弱標記學習是多標記學習的一個重要分支，近幾年已被廣泛研究并被應用于多標記樣本的缺失標記補全和預測等問題．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)集上的實驗結果表明。EnWL在多種評價度量上的預測性能均優(yōu)于已有相關方法。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%