基于RBF神经网络和标签关联的多标签学习
本文关键词:基于RBF神经网络和标签关联的多标签学习
更多相关文章: 多标签分类 RBF神经网络 标签关联性 特定特征
【摘要】:多标签分类问题属于传统的分类问题之一,在现实生活中广泛存在。现今,多标签算法在解决实际问题中得到广泛应用。然而,多标签实例所属的标签都是标签空间的一个子集,即每个多标签样本可能属于多个标签,而非像二分类问题,样本只属于一个标签,这使得多标签问题与传统的分类问题相比更加复杂。过去十年里,研究者提出了许多关于多标签分类的算法,其中绝大部分算法都采用在完全相同的数据特征上对每个标签进行学习的策略。然而,由于每个标签拥有特定的属性,因而应该拥有符合自身标签性质的特定特征集,上述被广泛采用的在统一特征集上直接进行多标签学习的策略并不是最优的。而且,在多标签分类问题中,每个标签相对于其它标签不是完全独立的,标签关联性信息对于提高分类的性能具有重大意义。因此,本文的目标是通过为每个标签构建特定的特征,并且利用标签关联性去提高多标签学习的性能。本文通过引入RBF神经网络,将原始的数据特征显性映射到标签特定特征,为每个标签构建特定的特征集,以确保每个标签的建模都是基于特定标签属性的数据特征集。并且,将裁剪过的预测信息作为附加的特征进行建模,使得模型能够自动学习到标签的关联性信息。在5个常用的多标签基准数据集上进行仿真实验,实验结果验证了本文提出来的算法相对于现有的主流多标签学习算法在可接受的时间开销的情况下,分类的准确度上有较大的提高。
【学位授予单位】:东南大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP183;TP311.13
【相似文献】
中国期刊全文数据库 前10条
1 张雅;向虎;郭芳瑞;张自亮;;RBF网络模型参考自适应控制在温度控制中的仿真研究[J];系统仿真学报;2008年02期
2 刘慧明;刘亮;董洪灿;;基于RBF网络的模型参考自适应控制[J];青岛科技大学学报(自然科学版);2008年01期
3 赵芳;孟凡荣;;基于RBF网络的煤与瓦斯突出预测研究[J];微计算机信息;2009年03期
4 危志明;;RBF网络在图书馆流通量预测中的应用[J];科技情报开发与经济;2009年06期
5 龙华;;基于免疫遗传算法和梯度下降的RBF网组合训练方法[J];计算机与现代化;2011年03期
6 苗青,曹广益,朱新坚;基于一种改进的RBF神经网络的直接甲醇燃料电池建模[J];系统仿真学报;2005年02期
7 杨胡萍;白慧;刘家学;张力;;基于改进RBF神经网络的电力系统短期负荷预测[J];东华大学学报(自然科学版);2008年02期
8 滕利强;;基于RBF模糊神经网络控制器的设计及仿真[J];科技资讯;2011年09期
9 夏继伟;栾航;吴晶;;基于RBF神经网络的港口大气污染预警研究模型[J];商业文化(学术版);2007年07期
10 张晓亮;;一种改进的RBF网络在电力系统短期负荷预测中的应用[J];煤矿机电;2008年03期
中国重要会议论文全文数据库 前10条
1 张琳;李海森;;基于模糊聚类算法的RBF网络在漏钢预报中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年
2 彭正勇;;基于RBF神经网络的巷道围岩松动圈厚度预测[A];全国金属矿山采矿新技术学术研讨与技术交流会论文集[C];2007年
3 王海荣;;基于遗传RBF网络时间序列的城市火灾预测[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年
4 王玮;何建新;许丽生;;基于RBF神经网络的气温预报模型的研究[A];中国气象学会2008年年会第二届研究生年会分会场论文集[C];2008年
5 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年
6 李亚芬;杨扬;;基于RBF网的CSTR内模控制[A];第二十届中国控制会议论文集(下)[C];2001年
7 王俊松;田库;刘玉敏;张兴会;李建国;刘玉亮;;基于RBF神经网络的肿瘤组织热传导过程建模及软测量[A];第25届中国控制会议论文集(上册)[C];2006年
8 徐中;辛志东;叶希贵;;基于RBF神经网络水处理系统建模与仿真[A];第六届全国表面工程学术会议论文集[C];2006年
9 黄艳清;曹长修;孙圣军;;基于自反馈RBF神经网络的高炉热状态预测模型[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年
10 吕强;郝继红;段运波;许耀铭;;基于RBF网络的非线性系统输出跟踪控制[A];1994中国控制与决策学术年会论文集[C];1994年
中国博士学位论文全文数据库 前2条
1 赵斌;基于RBF网络的北方温室温湿度控制机理的研究[D];东北林业大学;2010年
2 曾祥萍;自适应组合RBF滤波器理论及其应用研究[D];西南交通大学;2013年
中国硕士学位论文全文数据库 前10条
1 杜盟盟;基于RBF神经网络的机械手轨迹跟踪控制方法研究[D];河南科技大学;2015年
2 张力;基于RBF神经网络和标签关联的多标签学习[D];东南大学;2016年
3 王翠;基于灰色理论和RBF神经网络民航客运量预测方法研究[D];北京交通大学;2008年
4 尹德武;RBF的改进及在中国轿车市场预测中的应用研究[D];大连理工大学;2006年
5 翟伟;基于自适应RBF神经网络的商业银行信贷风险预警评估研究[D];重庆工商大学;2008年
6 李志强;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制[D];天津大学;2005年
7 高彦荷;基于混合递阶遗传算法的RBF神经网络优化及应用[D];四川大学;2004年
8 张晶;基于改进RBF神经网络的入侵检测研究[D];河北大学;2009年
9 刘亦青;类RBF人工神经网络算法研究及硬件实现[D];北京建筑大学;2013年
10 孟萌萌;基于RBF神经网络短期热网负荷预测研究[D];哈尔滨工业大学;2013年
,本文编号:1160054
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1160054.html