计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
7期
2058-2060,2089
,共4页
多标签分类%奇异值分解%偏最小二乘回归%维数约简%标签相关性
多標籤分類%奇異值分解%偏最小二乘迴歸%維數約簡%標籤相關性
다표첨분류%기이치분해%편최소이승회귀%유수약간%표첨상관성
multi-label classification%Singular Value Decomposition (SVD)%Partial Least Squares Regression (PLSR)%dimensionality reduction%label correlation
针对多标签数据的标签相关性和高维问题,提出一种基于奇异值分解—偏最小二乘回归的多标签分类算法,该算法可以对多标签数据进行维数约简和回归分析.首先,将类别标签集合作为整体处理,对标签相关性进行考察;其次,利用奇异值分解(SVD)技术得到样本和标签空间的得分向量,实施降维;最后,在偏最小二乘回归(PLSR)的基础上构建多标签分类模型.实验结果表明,在四种维数较高的真实数据集上,该算法可以获得有效的分类结果.
針對多標籤數據的標籤相關性和高維問題,提齣一種基于奇異值分解—偏最小二乘迴歸的多標籤分類算法,該算法可以對多標籤數據進行維數約簡和迴歸分析.首先,將類彆標籤集閤作為整體處理,對標籤相關性進行攷察;其次,利用奇異值分解(SVD)技術得到樣本和標籤空間的得分嚮量,實施降維;最後,在偏最小二乘迴歸(PLSR)的基礎上構建多標籤分類模型.實驗結果錶明,在四種維數較高的真實數據集上,該算法可以穫得有效的分類結果.
침대다표첨수거적표첨상관성화고유문제,제출일충기우기이치분해—편최소이승회귀적다표첨분류산법,해산법가이대다표첨수거진행유수약간화회귀분석.수선,장유별표첨집합작위정체처리,대표첨상관성진행고찰;기차,이용기이치분해(SVD)기술득도양본화표첨공간적득분향량,실시강유;최후,재편최소이승회귀(PLSR)적기출상구건다표첨분류모형.실험결과표명,재사충유수교고적진실수거집상,해산법가이획득유효적분류결과.
