基于rbf神经网络和标签关联的多标签学习

《基于rbf神经网络和标签关联的多标签学习》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、巧校代码：ｒ：：ｗＵＤＣ１，：＾林至若７学号：１３３３３８转冥而Ｉ’＾ｉｓｉｉｉ索兩谱哪％工程硕±学位论文基于ＲＢＦ神经网络和标签关联的多标签学习研究生姓名：张力导师姓名：那建明高伯幢申请学位类别工程硕±学位授予单位东南大学工程领域名称软件工程论文答辩日期２０１６年０６月巧日研究方向软件工趕学位授予日期２０年月日答辩委员会韦席李小平阅人评２０１６年０６月２３日乘兩未嗦硕±学位论文基于ＲＢＦ神经网络和标签关联的多标签学习

2、专业名称：软件工程研究生姓名：张力校内导师：郊建明教授校外导师：髙伯峰高王－ＬａｂｅｗｎＭｕｌｔｉｌＬｅａｒｎｉｎｇｉｔｈＬａｂｅｌＣｏｒｒｅｌａｔｉｏＢａｓｅｄｏｎＲＢＦＮｅｔｗｏｒｋＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｔｏＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＥｎｉｎｅｅｒｉｎＤｅｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇｇｇｇＢＹＺｈａｎＬｉｇＳｕｅｒｖｉｓｅｄｂｐｙＰｒｏｆｅｓｓｏｒＤｅｎＪｉａｉｕｎｉｎｇｇＡｎｄＳｅｎｉｏ

3、ｒＥｎｉｎｅｅｒＧａｏＢｏｆｅｎｇｇＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎｇｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＪｕｎｅ２０１６东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构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巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。研究生签名；

4、杂方日期：办／夺献东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被査阅和借阅，可Ｗ公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研巧生院办理。研究生签名；杂々导师签名期又ｄ項測宇＾摘要一多标签分类问题属于传统的分类问题之，在现实生活中广泛存在。现今，多标签算法在解决实际问题中得到广泛应

5、用。然而，多标签实例所属的标签都是标签空间一二，，的竹集，即齡多标签样本可能属于多个标签而非像分类问题样本只属于一个标签，这使得多标签问题与传统的分类问题相比更加复杂。过去十年里，研巧者提出了许多关于多标签分类的算法，其中绝大部分算法都采用在完全相同的数据特征上对每个标签进行学习的策略。然而由于每个标签拥有特一定的属性，因而应该拥有符合自身标签性质的特定特征集，上述被广泛采用的在统特征集上直接进行多标签学习的策略并不是最优的。而且，在多标签分类问题中，每个标签相对于其它标签不是完全独立的，标签关联性信息对于提髙分类的

6、性能具有重大意义。因此，本文的目标是通过为每个标签构建特定的特征，并且利用标签关联性去提商多标签学习的性能。本文通过引入ＲＢＦ神经网络，裕原始的数据特征显性映射到标签特定特征，为每个标签构建特定的特征集，确保每个标签的建模都是基于特定标签属性的数据特征集。并且，将裁剪过的预测信息作为附加的特征进行建模，使得模型能够自动学习到标签的关联性信息。在５个常用的多标签基准数据集上进行仿真实验，实验结果验证了本文提出来的算法相对于现有的主流多标签学习算法在可接受的时间开销的情况下，分类的准确度上有较大的提高。关巧词：多

7、标签分类；ＲＢＦ神经网络；标签关联性；特定特征ＩＡｂｓｔ円ｃｔＡｂｓｔｒａｃｔ虹ｔｈｅｒｅａｌｗｏｒｌｄｓ也ｉｎｓａｌｗａｓｈａｖｅａｖａｒｉｅｔｏｆｃｈａｒａｃｔｅｒｉｓｔｉｃｓＳＯｉｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇｙｙ，ｇｓ－ｔ－ａｂｅｗｅｎｅｅｄｍｕｔｏｄｅｓｃｒｉｂｅｔｈｉｓｓｔｕａｔｉｏｎ．Ｎｏｗａｓｍｕｌｔｉａｅｒｏｅｍｓｔｅｗｌｉｌｌｉｄａｙｌｂｌｂｌｉｈｉｄｄ，ｐｙｉｏｎｓ祗瞄ｎｔ－ｕｓｅｄｉｎｍｏｄｅｍｌｉｃａｔ．Ｗｈｉｌｅｄｉｆｉｏｍｔｒａｄｉ

8、ｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏ化ｍｕｌｔｉｌａｂｅｌ浑ｐｐｒｏｂｌｅｍｉｓｍｏｒｅ出ｆｉｃｕｌｔｔｏａｃｃｏｍｐｌ吨ｍｏ