计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2011年
7期
2494-2496,2500
,共4页
多标记学习%特征选择%模拟退火%维数约简%YAHOO网页
多標記學習%特徵選擇%模擬退火%維數約簡%YAHOO網頁
다표기학습%특정선택%모의퇴화%유수약간%YAHOO망혈
多标记数据有很多的冗余特征和数据,为了解决多标记数据中冗余和无关特征,提高多标记学习算法的泛化能力.提出一个基于模拟退火的卷积式特征选择方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法只是使用了遗传算法来进行优化,新算法采用模拟退火来寻找最优子集,其效果在已有的工作中表现出比前者遗传算法更好的效果.在用于公开评测的Yahoo网页分类数据集上的实验结果表明,SAML算法的性能优于新近提出的一些流行的多标记特征选择方法.
多標記數據有很多的冗餘特徵和數據,為瞭解決多標記數據中冗餘和無關特徵,提高多標記學習算法的汎化能力.提齣一箇基于模擬退火的捲積式特徵選擇方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法隻是使用瞭遺傳算法來進行優化,新算法採用模擬退火來尋找最優子集,其效果在已有的工作中錶現齣比前者遺傳算法更好的效果.在用于公開評測的Yahoo網頁分類數據集上的實驗結果錶明,SAML算法的性能優于新近提齣的一些流行的多標記特徵選擇方法.
다표기수거유흔다적용여특정화수거,위료해결다표기수거중용여화무관특정,제고다표기학습산법적범화능력.제출일개기우모의퇴화적권적식특정선택방법——SAML(simulated annealing based feature selection for multi-label data),이유적산법지시사용료유전산법래진행우화,신산법채용모의퇴화래심조최우자집,기효과재이유적공작중표현출비전자유전산법경호적효과.재용우공개평측적Yahoo망혈분류수거집상적실험결과표명,SAML산법적성능우우신근제출적일사류행적다표기특정선택방법.
