

已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的發(fā)展,多標記分類方法的應用也越來越廣泛,現(xiàn)有的多標記算法一般沒有充分學習標記之間的相關信息,而標記之間的信息對提高算法的分類性能很有幫助,所以有必要對多標記學習中標記相關性進行深入研究。
MLkNN算法在多標記分類算法中擁有良好的性能,但其由于沒有考查標記之間的相關性,因而算法性能還有進一步提升空間。本文將對MLkNN算法的后驗概率公式進行改進,使其融合多標記之間相關信息,形成算法MRkNN。預先對數(shù)據集聚類,在
2、聚類形成后的簇上再使用MRkNN算法進行預測,實驗結果證明聚類后考查標記相關性的方法較大地提升了算法的準確率。
KNN分類算法并不要求得出顯式的規(guī)則,KNN算法一般較其他的分類算法有較高的分類準確率。鑒于KNN算法在分類上的優(yōu)勢,非條件類標之間相關性促進效果較小,以及條件類標相關性考查較復雜。本文提出一種基于K近鄰分布條件下考察標記相關性的算法。在不同的k近鄰的分布情況下,類標之間表現(xiàn)出不同的相關程度。實驗證明在k近鄰分布條件
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 結合標記相關性的多標記分類算法研究.pdf
- 結合標記相關性的多標記特征選擇及分類算法研究.pdf
- 基于樣例及標記相關性的多標記學習算法研究.pdf
- 基于樣例及屬性特征分析的多標記分類算法研究.pdf
- 多標記學習分類算法研究.pdf
- 自然場景圖像中多示例多標記分類研究
- 自然場景圖像中多示例多標記分類研究.pdf
- 基于標記依賴關系的多標記學習算法研究.pdf
- 多標記分類中的半監(jiān)督降維和集成學習.pdf
- 基于數(shù)據及標記關聯(lián)的多標記學習算法研究.pdf
- 基于標記分布學習的自然場景標記排序.pdf
- 基于標簽相關性的多標簽分類算法研究.pdf
- 基于代價敏感的快速多標記文本分類算法研究.pdf
- 基于學習標簽相關性的多標簽分類算法.pdf
- 一種改進的ML-KNN多標記分類方法研究.pdf
- 多標記維度約減和分類算法研究.pdf
- 胃癌相關性分子標記物的研究.pdf
- 基于多示例多標記學習的自然場景圖像分類.pdf
- 基于改進標記分布學習算法的人臉年齡估計.pdf
- 基于Hadoop架構的多標記算法研究.pdf
評論
0/150
提交評論