基于标记与特征依赖最大化的弱标记集成分类
大小：1.28 MB 人气： 2017-12-25 需要积分：1
标签：分类(12865)
弱标记学习是多标记学习的一个重要分支，近几年已被广泛研究并被应用于多标记样本的缺失标记补全和预测等问题．然而，针对特征集合较大、更容易拥有多个语义标记和出现标记缺失的高维数据问题，现有弱标记学习方法普遍易受这类数据包含的噪声和冗余特征的干扰．为了对高维多标记数据进行准确的分类。提出了一种基于标记与特征依赖最大化的弱标记集成分类方法EnWL.EnWL首先在高维数据的特征空间多次利用近邻传播聚类方法，每次选择聚类中心构成具有代表性的特征子集，降低噪声和冗余特征的干扰；再在每个特征子集上训练一个基于标记与特征依赖最大化的半监督多标记分类器；最后，通过投票集成这些分类器实现多标记分类．在多种高维数据集上的实验结果表明。EnWL在多种评价度量上的预测性能均优于已有相关方法。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于标记与特征依赖最大化的弱标记集成分类下载
相关电子资料下载
- 人工神经网络模型的分类有哪些 134
- 一文快速了解RFID技术的构成及分类 109
- 车载无线技术分类介绍 411
- 机器视觉光源的作用、分类及实际应用 118
- 神经元的分类包括哪些 234
- 卷积神经网络分类方法有哪些 102
- cnn卷积神经网络分类有哪些 106
- 什么神经网络模型适合做分类 114
- 卷积神经网络在文本分类领域的应用 152
- 风华贴片电容的分类详细介绍 86