多標記數據特征提取方法的輸出核函數構造方法
大小：0.97 MB 人氣： 2018-01-07 需要積分：1
標簽：函數(61562)
針對多標記數據特征提取方法中輸出核函數沒有準確刻畫標記間的相關性的問題，在充分度量標記間相關性的基礎上，提出了兩種新的輸出核函數構造方法。第一種方法首先將多標記數據轉化為單標記數據，并使用標記集合來刻畫標記間的相關性；然后從損失函數的角度出發定義新的輸出核函數。第二種方法是利用互信息來度量標記間的兩兩相關性，在此基礎上進一步構造新的輸出核函數。3個多標記數據集上2種分類器的實驗結果表明，與原有核函數對應的多標記特征提取方法相比，基于損失函數的輸出核函數對應的特征提取方法性能最好，5個評價指標的性能平均提高了10%左右，尤其在Yeast數據集上，Coverage指標下降幅度達到了30%左右；基于互信息的輸出核函數次之，性能平均提高了5%左右。實驗結果表明，基于新的輸出核函數的特征提取方法能夠更加有效地提取特征，并進一步簡化分類器的學習過程，提高分類器的泛化性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
多標記數據特征提取方法的輸出核函數構造方法下載
相關電子資料下載
- 數據分析的工具有哪些 76
- 不同的人工神經網絡模型各有什么作用? 126
- verilog系統函數 157
- 人工神經網絡模型是一種什么模型 220
- 循環神經網絡算法原理及特點 158
- 循環神經網絡算法有哪幾種 153
- 循環神經網絡有哪些基本模型 162
- 卷積神經網絡和bp神經網絡的區別在哪 104
- 如何設計人臉識別的神經網絡 148
- 神經網絡反向傳播算法的作用是什么 154