多标签分类中关键技术的研究

《多标签分类中关键技术的研究》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、分类号密级ＬＤＣ编号杂中种托大考９硕：ｉ：学位论文多括、签分莫中義綠坡术的研完学位申请人姓名：各翠糸申请学位学生类别：全旬制硕壬申请学位学科专业：计算如应巧技术指导教师姓名：蘇利教援硕壬学位论文’？ＭＡＳ了ＥＲＳＴＨＥＳＩＳ硕±学位论文多掠签分类中关键技术的研究论文作者：岳翠荣指＃ｉＷ：陈利觀受学科专业：计龍应用技术研究方向：中文信息处理华中学计龍学院２０１６年５月／＾ｉ＼硕去学位论文｜Ｋ＇＼ｐｒＭ

2、ＡＳＴＥＲＳＴＨＥＳＩＳ＾ｙＲｅｓｅａｒｃｈｏｎＫｅＴｅｃｈｎｏｌｏｉｅｓｏｆｙｇＭｕ－ｌｔｉｌａｂｅｌＣｌａｓｓｉｆｉｃａｔｉｏｎＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｑｕｉｒｅｍｅｎｔＦｏｒｔｈｅＭ．ＳＤｅｇｒｅｅｉｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＢｙＹｕｅＣｕｉｒｏｎｇＰｏｓｔｒａｄｕａｔｅＰｒｏｒａｍｇｇＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＣｅｎｔｒａｌＣｈｉｎａＮｏ

3、ｒｍａｌＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒ：ＣｈｅｎＬｉ／／）／）ＡｃａｄｅｍｉｃＴｉｔｌｅ：ＰｒｏｆｅｓｓｏｒＳｉｇｎａｔｕｒｅＡｒｏｖｅｄｐｐＭａｙ．２０化硕壬学位论文ＭＡ＇？ＳＴＥＲＳＴＨＥＳＩＳ华中师苑大学学侄冷文房刮牲若巧和使用投权说巧居准ｉ牲京巧本人郑重声明，，；所呈交的学位论文是本人在导师指导下独立进行研巧工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或。集体已经发表或撰写过的研充成果对本文的研

4、究做出贡献的个人和集体，均已在文中Ｗ明确方式标明。本声明的法律结果由本人承担。作者签名：長＾家日期；六／矣《月学侄冷文胶牧使用援枚书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可允许采用影印、缩印或其它复制手段保存、汇编学位论文。（保密的学位论文在解密后遵守此规定）保密

5、论文注释，：本学位论文属于保密在年解密后适用本授权书。’非保密论文注释；本学位论文不属于保密范围，适用本授权书。／作者签名：导师签名：Ｌ曰期：知年占月２－曰曰期年＾月Ｖ日＂＂本人已经认真阅读ＣＡＬＩＳ高校学位论文全文数据库发布章程，同意将本人的＂＂＂＂学位论文提交ＣＡＬＩＳ高校学位论文全文数据库中全文发布，并可按章程中的一规定享受相关权益。同意论义提巧后滞后；□半年；□年：□二年发布。／：作者签名：毒每菜导师签名／曰期《？＾：年月２＾曰期：又／＾月足曰占巧壬学位论

6、文＇ＭＡＳＴＥＲＳＴＨＥＳＩＳ摘要随着信息时代的发展，各种形式的数据呈现飞速的増长态势，对数据进行快速准确的分类是目前数据挖掘和机器学习领域研巧的重点。按对数据进行描述使用的标签个数可将数据分为单标签数据和多标签数据两种。由于多标签数据的特征与标签彼此之间的关联性使得多标签数据比单标签数据的分类问题更为复杂，所Ｗ对多标签分类相关问题的研究成为新的研巧热点。本文主要对多标签分类中的特征选择方法和分类算法进行了研究。一针对多标签数据特征的稀疏性和高维性，提出了种基于文化基因算

7、法的多标－ＭＬＦＳ，签特征选择方法ＭＡ，实现特征的降维本文主要研巧了文化基因算法中的一局部捜索策略，。在局部搜索过程中每次迭代都选择种群中适应度最优的条染色＂＂体，根据特征与标签集之间的相关性强弱选择相应的持征对该染色体进行局部加＂＂和减操作，在新生成的染色体中选择适应度最强且优于原染色体的个体将原染色体替换，从而找出局部最优解，优化种群。该方法有效地避免了遗传算法容易陷入局部最优解的问题。一由于多标签数据中的每个标签具有各自独有的特性，设计了种基于标签特性－的多标签分类算法Ｌ

8、ＣＫＮＮ－。该算法采用ｋｍｅａｎｓ聚类算法对训练集中每个标签的正负样本集合进行聚类，找出相同个数的聚类中也，将预测样本是否包含某个标签的问题转化为二分类问题，将该标签的正巧聚类中也作为训练集，采用ＫＮＮ分类算法进行分类。在计算待预测样本与正样本间的距离时进行加权处理，使得待预测样本与正负样本之间的距离分布更明显，最后将每个标签的分类结果进行组合，得到待预测样本所属的标签集。该算法