多标签学习算法的改进与研究

发布时间：2025-01-09 03:10

　　随着信息技术的快速发展,多标签分类已经成为分类问题的重要课题。在大数据时代,多标签分类问题广泛存在于现实世界中。由于多标签数据的特殊性,传统的数据分析技术与手段已不再适用于多标签数据。因此如何找到一种快速有效多标签分类算法已成为一个热点问题,多标签分类学习的研究也正逐渐凸显出其价值。本文主要工作如下:首先对单标签和多标签分类的研究现状进行了初步的了解,总结和分析了应用到多标签分类学习的两种算法:基于问题转换策略和基于算法转换策略,其中重点研究了基于KNN(K Nearest Neighbors)的多标签分类改进算法,详细分析了每一类改进算法的主要思想和优缺点。其次深入研究了基于KNN的多标签分类算法ML-KNN,针对该算法在数据分布不均匀的情况下容易造成误判标签的情况问题,通过增加后验概率的值,提出一种改进的新型多标签分类算法:增加后验概率的ML-KNN改进算法。然后在增加后验概率的ML-KNN多标签分类算法的基础上引入惩罚函数,进一步提高算法的准确性。将改进的两种算法在数据集上进行分类实验,结果表明改进算法的预测性能整体上优于ML-KNN算法。最后深入研究了一种新型多标记懒惰学习算法—...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2-1创建新的标签方法

第二章多标签分类方法分析112.3.1基于问题转换方法PT方法的思想是先将多标签数据集转换成单标签数据集，利用经典算法对其进行分类。基于转换的思路分为样本实例转换、标签转换两种。2.3.1.1基于样本实例转换方法（1）创建新的标签。其思想是分类过程中将选中的标签组合起来产生新的标....

图2-2多标签分解方法示意图

第二章多标签分类方法分析112.3.1基于问题转换方法PT方法的思想是先将多标签数据集转换成单标签数据集，利用经典算法对其进行分类。基于转换的思路分为样本实例转换、标签转换两种。2.3.1.1基于样本实例转换方法（1）创建新的标签。其思想是分类过程中将选中的标签组合起来产生新的标....

图2-3BR算法示意图

电子科技大学硕士学位论文12LP算法，从所有标签中选择k个标签，从训练集中选出与这k个标签相关的样本，得到一个新的数据集进行分类实验。RAKEL方法的优点是减少了LP的计算复杂度，缺点是只能预测训练集中出现的标签组合，具有很大的局限性。2.3.1.2基于标签转换方法该方法的思想是....

图2-4集成学习

电子科技大学硕士学位论文14组合起来，取得比单个分类器更优的性能，因此有时也被称为弱学习器。但是在人们一般的经验中，如果把好坏不等的东西放到一起，效果通常会比坏的还要差。因此如何通过集成学习把多个学习器组合起来以获得最好的性能成为众多学者研究的核心。依据个体学习器不同的生成方式，....

本文编号：4025054