最初,多標記學(xué)習(xí)是為了解決文檔分類過程中遇到的語義分歧問題,自提出以來已逐漸成為數(shù)據(jù)挖掘和信息檢索中的重要主題。現(xiàn)實生活中遇到的很多分類問題都和多標記相關(guān),多標記學(xué)習(xí)的主要特征是增加了樣本分類的種類,從之前的單一標記變成了多個標記,使得對樣本的描述更加準確。在多標記學(xué)習(xí)中,樣本空間有限信息的有效利用一直是許多學(xué)者的研究方向,為了提升算法的健壯性以及提取數(shù)據(jù)特征的效率,許多學(xué)者都在不同方面做了新的優(yōu)化建議。研究表明特征重構(gòu)在一定程度上能夠提升算法性能,故將特征空間和標記空間信息結(jié)合統(tǒng)一。針對傳統(tǒng)自編碼神經(jīng)擁有層級較為復(fù)雜計算過程,使得算法時間復(fù)雜度相對較大,引入了核極限自編碼器。在現(xiàn)實世界中,標記之間往往存在一定的隱含關(guān)系,對標記之間的關(guān)系進行分析也是多標記學(xué)習(xí)研究的熱點�；诖�,本文展開研究,主要工作如下:(1)多標記學(xué)習(xí)算法的重難點是如何準確獲取到各組待訓(xùn)練的樣本標記信息之間存在的關(guān)系,在此基礎(chǔ)上去得到未知數(shù)據(jù)集合的預(yù)測結(jié)果,簡單來說就是借助已有數(shù)據(jù)集合提取數(shù)據(jù)關(guān)聯(lián)關(guān)系,進行推算得到預(yù)測結(jié)果�？紤]特征與標記聯(lián)合重構(gòu)的特征能夠提升算法的分類性能,提出一種核極限學(xué)習(xí)自編碼算法(ML-KELMAE)。本文采用一種核極限學(xué)習(xí)機自編碼神經(jīng)網(wǎng)絡(luò),首先在神經(jīng)網(wǎng)絡(luò)輸入節(jié)點中加入標記信息,然后使用核極限學(xué)習(xí)機自編碼神經(jīng)網(wǎng)絡(luò)把輸入特征作為目標輸出,最后采用奇異值分解解決分類問題。在多個多標記基準數(shù)據(jù)集上的結(jié)果顯示,該方法具有一定的優(yōu)勢。(2)在現(xiàn)實世界中,標記集合中的個體與個體之間往往存在著一定的隱含關(guān)系,他們之間的這種關(guān)系對分類結(jié)果或多或少都有一定影響。因此,在進行算法分類時把關(guān)聯(lián)關(guān)系因素加入到考慮中是十分有必要的。故在ML-KELMAE算法的基礎(chǔ)上加入標記相關(guān)性因素,在原始標記矩陣中加入標記相關(guān)性信息,得到的矩陣代替原始矩陣。在算法對標記相關(guān)性特性進行優(yōu)化的基礎(chǔ)之上,加入了標記與特征相關(guān)因素的考慮。在本文選定的測試集上進行了測試,實驗結(jié)果證明了加入標記相關(guān)性提升算法性能的合理性和有效性。
【學(xué)位單位】：安慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TP181
【部分圖文】：

自編碼網(wǎng)絡(luò)由三部分構(gòu)成（輸入層、隱藏層、輸出層）,自編碼器由編碼器(encoder)部分和解碼器(decoder)部分構(gòu)成。其結(jié)構(gòu)如3.1圖所示：其作用是將輸入層樣本數(shù)據(jù)進行壓縮操作到隱藏層之后重新解壓映射回輸出層。作為深度學(xué)習(xí)中一種無需標記的無監(jiān)督特征學(xué)習(xí)方法,自編碼器能夠有效地提取數(shù)據(jù)特征內(nèi)在的聯(lián)系。學(xué)習(xí)策略可以表示為一最小重構(gòu)誤差函數(shù)：

算法統(tǒng)計假設(shè)檢驗分析
【參考文獻】

相關(guān)期刊論文 前6條

1 田楓;沈旭昆;;基于標簽集相關(guān)性學(xué)習(xí)的大規(guī)模網(wǎng)絡(luò)圖像在線標注[J];自動化學(xué)報;2014年08期

2 秦勝君;盧志平;;稀疏自動編碼器在文本分類中的應(yīng)用研究[J];科學(xué)技術(shù)與工程;2013年31期

3 張敏靈;;一種新型多標記懶惰學(xué)習(xí)算法[J];計算機研究與發(fā)展;2012年11期

4 鄧萬宇;鄭慶華;陳琳;許學(xué)斌;;神經(jīng)網(wǎng)絡(luò)極速學(xué)習(xí)方法研究[J];計算機學(xué)報;2010年02期

5 李勇,徐振寧,張維明;Internet個性化信息服務(wù)研究綜述[J];計算機工程與應(yīng)用;2002年19期

6 周志華,陳世福;神經(jīng)網(wǎng)絡(luò)集成[J];計算機學(xué)報;2002年01期

相關(guān)碩士學(xué)位論文 前2條

1 張倩汶;基于標記信息拓展的多標記學(xué)習(xí)算法研究[D];東南大學(xué);2018年

2 殷洪峰;基于標簽相關(guān)性的多標簽分類算法及其在帕金森診療領(lǐng)域中的應(yīng)用[D];南京大學(xué);2017年

本文編號：2894437