基于邻域模型的多标记学习

《基于邻域模型的多标记学习》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＴＩＡＮＪＩＮＵＮＩＶＥＲＳＩＴＹ中国第—臓代大学ＦＯＵＮＤＥＤＩＮ１８９５全日制工程硕士学位论文领域：计算机技术作者姓名：段洁指导教师青＃碰：抓天津大学研究生院２０１６年１２月基于邻域模型的多标记学习Ｍｕ－ｌｔｉｌａｂｅｌＬｅａｒｎｉｎＢａｓｅｄｏｎｇＮｅｉｈｂｏｒｈｏｏｄＭｏｄｅｌｓｇ学科专业：计算机技术研宄生：段洁指导教师：胡清华教授天津大学计算机科学与技术学院二〇一六年十二月六曰独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宂工作和取得的研宄成果，，除了文中

2、特别加以标注和致谢之处外论文中不包含其他人已经发表或撰写过的研宄成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研宄所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文作者签名．：細签字曰期：年￣月Ｓ曰学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。保密的学位论文

3、在解密后适用本授权说明）（学位论文作者签名：：导师签名签字日期：２〇／年／２月多日签字日期：年月日务＞？摘要一一个对象可能同时属于多个类别多标记学习是类复杂的决策任务，同。此类任务在文本分类，是当前国、图像识别、基因功能分析等领域广泛存在一际机器学习领域研究的热点问题之。多标记学习的研宄主要围绕降低特征空间和标记空间的复杂性，提高多标记学习算法的精度而展开。邻域粗糙集是Ｐａｗｌａｋ经典粗糙集的延伸与扩展，摆脱了粗糙集只能处理名义型数据的约，能够更好的挖掘分类任务的结构束。邻域粗糙集模型有着清晰的分类边界。目前己经被应

4、用于特征选择、规则学习和分类器设计等各个领域。但是在多标记学习方面，邻域粗糙集模型还未得到深入的研宄。本文利用邻域粗糙集模型的特点，将其应用在多标记学习问题的特征选择和规则学习两个方面。主要研究成果和创新点如下：首先本文提出了基于邻域粗糙集模型的多标记学习特征选择方法。将单标记学习的邻域粗糙集模型扩展至多标记学习中，系统的讨论了多标记学习邻域粗糙集模型的性质，并验证其依赖度和下近似的单调性，进而设计了使用前向贪心搜索策略的多标记特征选择方法。同时引入两种加速机制来提高模一般情况下型效率，，该，并进行实验验证。通过实验对比及显著性检验验

5、证模型在图像。、文本和音频等多标记学习任务中是有效的其次。，本文提出了基于邻域覆盖约简的多标记学习的分类规则学习方法一一般的，样本的邻域是采用统的参数来控制样本的邻域半径，而在邻域覆盖中。因此本文利用邻域覆盖的这个特，不同的样本可以使用不同的邻域半径性，在多标记学习中定义了邻域覆盖，在每个类标下求得邻域覆盖约简，将得到的分类规则进行合并。，最终得到了多标记的分类规则关键词：多标记学习，邻域粗糙集，特征选择，规则学习ＩＡＢＳＴＲＡＣＴＡＢＳＴＲＡＣＴ－－Ｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎｉｓａｃｏｍｌｅｘｄｅｃｉｓｉｏｎ

6、ｍａｋｉｎｔａｓｋａｎｄｔｈｅｓａｍｅｏｂｅｃｔｍａｇｐｇ，ｊｙｂｅｌｏｎｇｔｏｍｏｒｅｔｈａｎｏｎｅｃａｔｅｏｒａｔｔｈｅｓａｍｅｔｉｍｅ．Ｓｕｃｈｔａｓｋｓａｒｅｗｉｄｅｌｕｓｅｄｉｎｔｅｘｔｇｙｙｃｌａｓｓｉｆｉｃａｔｉｏｎｉｍａｅｒｅｃｏｎｉｔｉｏｎｅｎｅｆｕｎｃｔｉｏｎａｎａｌｓｉｓａｎｄｓｏｏｎｗｈｉｃｈｉｓｏｎｅｏｆｔｈｅｈｏｔ，，，ｇｇｇｙｆｉ－ｉｓｓｕｅｓｉｎｔｈｅｅｌｄｏｆｉｎｔｅｒｎａｔｉｏｎａｌｍａｃｈｉｎｅｌｅａｒｎｉｎｇ．Ｔｈｅｒｅｓｅａｒｃ

7、ｈｏｆｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎｇｍａｉｎｌｙｆｏｃｕｓｅｓｏｎｒｅｄｕｃｉｎｇｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｆｅａｔｕｒｅｓｐａｃｅａｎｄｔａｇｓｐａｃｅ，ａｎｄｉｍｐｒｏｖｉｎｇｔｅ－ｈａｃｃｕｒａｃｙｏｆｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎａｌｏｒｉｔｈｍ．ＴｈｅｎｅｉｏｒｈｏｏｄｒｏｕｓｅｔｉｓａｎｅｘｔｅｎｓｉｏｎｇｇｇｈｂｇｈａｎｄｅｘｔｅｎｓｉｏｎｏｆＰａｗｌａｋｃｌａｓｓｉｃａｌｒｏｕｇｈｓｅｔ，ａｎｄｉｔｃａｎｇｅｔｒｉｄｏ