多标记数据特征提取方法的输出核函数构造方法
大小：0.97 MB 人气： 2018-01-07 需要积分：1
标签：函数(61562)
针对多标记数据特征提取方法中输出核函数没有准确刻画标记间的相关性的问题，在充分度量标记间相关性的基础上，提出了两种新的输出核函数构造方法。第一种方法首先将多标记数据转化为单标记数据，并使用标记集合来刻画标记间的相关性；然后从损失函数的角度出发定义新的输出核函数。第二种方法是利用互信息来度量标记间的两两相关性，在此基础上进一步构造新的输出核函数。3个多标记数据集上2种分类器的实验结果表明，与原有核函数对应的多标记特征提取方法相比，基于损失函数的输出核函数对应的特征提取方法性能最好，5个评价指标的性能平均提高了10%左右，尤其在Yeast数据集上，Coverage指标下降幅度达到了30%左右；基于互信息的输出核函数次之，性能平均提高了5%左右。实验结果表明，基于新的输出核函数的特征提取方法能够更加有效地提取特征，并进一步简化分类器的学习过程，提高分类器的泛化性能。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
多标记数据特征提取方法的输出核函数构造方法下载
相关电子资料下载
- 数据分析的工具有哪些 76
- 不同的人工神经网络模型各有什么作用? 126
- verilog系统函数 157
- 人工神经网络模型是一种什么模型 220
- 循环神经网络算法原理及特点 158
- 循环神经网络算法有哪几种 153
- 循环神经网络有哪些基本模型 162
- 卷积神经网络和bp神经网络的区别在哪 104
- 如何设计人脸识别的神经网络 148
- 神经网络反向传播算法的作用是什么 154