基于標記與特征依賴最大化的弱標記集成分類
大小：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標記缺失的高維數據問題，現有弱標記學習方法普遍易受這類數據包含的噪聲和冗余特征的干擾．為了對高維多標記數據進行準確的分類。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首先在高維數據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督多標記分類器；最后，通過投票集成這些分類器實現多標記分類．在多種高維數據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于已有相關方法。
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
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 234
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86