基于模糊核聚类和模糊支持向量机多标签分类方法的研究

《基于模糊核聚类和模糊支持向量机多标签分类方法的研究》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、西南交通大学硕士研究生学位论文第1页摘要自上世纪后期人们进入信息时代，各种数据就海量积累起来，远远超出了人力的处理范围，出现了“信息爆炸而知识匮乏”的现象。为此，数据挖掘技术应运而生，并显示出了强大的生命力。分类是数据挖掘中最常见的任务之一。它是通过已知的信息总结出规律，用来对新的数据进行判别，对其进行预测的过程。其中比较特殊的一种情况是一个样本具有多个标签的分类问题，称为单实例多标签分类问题。不同于常见的单标签分类情况，在这类问题中，数据具有多个标签使得样本的归属变得模糊不清，难以准确分类，具有相当的难度。然而在日常生活中其用途十分广泛，很多学者都致力于此，出现了很多优秀的算法及其改

2、进。本文针对该问题设计了一种基于模糊支持向量机的多标签分类算法。支持向量机(SupponVectorMachine，SⅥⅥ)是一种新兴的分类机器，于上世纪九十年代末期由Ar&TBeH实验室的Vapnik等人提出。该分类器基于统计学习理论和结构风险最小化原理，集成了最优分类超平面、核函数、凸二次规划等技术，能有效地解决“过学习”、“维数灾难"和局部极小点等问题，具有良好的推广性和准确率。但是支持向量机是针对两类单标签的数据集进行设计的，不能直接应用在多类别、多标签的问题中。为此本文设计了一种模糊支持向量机，能够对含有两类数据、样本可能具有两个标签的数据集进行分类。该分类器采用了模糊设计思

3、想，通过对样本设置一个隶属度函数，充分利用了数据信息。该分类器不存在不可分区域，具有良好的分类精度。为了准确描述样本对类别的隶属关系，本文设计了一种基于距离和密度的隶属度函数。考虑到多标签分类的特殊性，本文采用了一对一分解策略，将原始数据分解为多个两类双标签子集分别训练，然后将其结果使用投票法进行组合，最终完成多标签分类。为了提高训练速度，降低训练集中噪音点对最优决策超平面的影响，本文引进了一种快速模糊核聚类技术，有效地提高了算法的性能。在实验部分，本文首先总结了一些被广泛采用的多标签分类算法的评价标准，然后在UCI提供的数据集上进行实验，最后将结果与现有的一些多标签分类算法进行了比较

4、。关键词：数据挖掘：模式识别；多标签分类；支持向量机；模糊核聚类西南交通大学硕士研究生学位论文第1I页AbstraCtWitlltheadVentoftheinfo衄ationage，aphenomenonnamed“infomationexplosionwithknowledgelack，’appearedbecauseaV撕e够ofdatawasaccuIImlatedwhichisf．arbeyondthescopeofh啪anprocessing．Sodatami加ingc锄eintobeinga11dshowsgreatVitali够Classificationismemos

5、tcommontaskofdataminning．ItisSurnmedupbytheknowninformationtothelaw，whichisusedtoforecaSttheummo、Ⅳndata．Aspecialcaseofclassificationknownassingle—ins啪cemulti—labelclassificationliesint11atitssamplemaybelongt0multipleclasses．Unlikesin91e-labelclassification，insuchmatterS，memultiplehbelsofs锄plesma

6、kethe撒ibutionofblurred，whichmakesitdi岱cuhtobeaccuratelyclassified．HoweVer，itsllseineVe巧daylifeisVe巧eXtensiVe．Manyscholarsarecommittedto缸1issotllatm鲫【yexcellentalgorimmsandtheirimproVementareproposed．111mismesis，amulti—labelclassificationalgorit№baSedonf出zysupportVectormachineisdesi驴ed．Supp毗Vecto

7、rMachine(SVM)isanewclassificationmachm，whichisproposedbyV

8、apnik舶mtheAT&TBellLaboratoriesinthe1aterninetiesoflastcentu哆nemethodintegrates0ptimaldecisionhype印lane，kemel血nctionandconvexquadraticpro铲砌ingisbasedonstatisticalle锄in