CAJ | 학술논문

多类标数据中的样本可能属于一个或多个类标,因此其分类问题较单类标分类更为复杂.提出一种新的多类标学习算法,首先针对多类标数据的特征属性维数高的特点,采用LLE算法对多类标数据的特征属性进行降维,提取能较完整描述数据的一组低维特征属性集;然后将多类标样本集按所属的类标进行划分,并采用贝叶斯分类模型来学习各组样本集的分类特性;根据各个分类模型的判定类标.综合得到多类标样本的最终类标集.将该算法分别应用到自然场景图像和基因数据的多类标分类学习中,实验结果表明,该算法针对不同的多类标数据集均能取得很好的分类效果,且相比于其他多美标算法有更高的性能.
다류표수거중적양본가능속우일개혹다개류표,인차기분류문제교단류표분류경위복잡.제출일충신적다류표학습산법,수선침대다류표수거적특정속성유수고적특점,채용LLE산법대다류표수거적특정속성진행강유,제취능교완정묘술수거적일조저유특정속성집;연후장다류표양본집안소속적류표진행화분,병채용패협사분류모형래학습각조양본집적분류특성;근거각개분류모형적판정류표.종합득도다류표양본적최종류표집.장해산법분별응용도자연장경도상화기인수거적다류표분류학습중,실험결과표명,해산법침대불동적다류표수거집균능취득흔호적분류효과,차상비우기타다미표산법유경고적성능.