计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
9期
2577-2580
,共4页
张丹普%王莉莉%付忠良%李昕
張丹普%王莉莉%付忠良%李昕
장단보%왕리리%부충량%리흔
连续AdaBoost%多标签学习%多标签集%标签匹配%集成学习
連續AdaBoost%多標籤學習%多標籤集%標籤匹配%集成學習
련속AdaBoost%다표첨학습%다표첨집%표첨필배%집성학습
real AdaBoost (Adaptive Boosting)%multi-label classification%multi-label dataset%label matching%ensemble learning
当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法.尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性.通过对标签匹配问题进行深入的研究,在连续AdaBoost(real Adaptive Boosting)算法的基础上,基于整体优化的思想,采用算法适应的方法,提出了基于双标签集的标签匹配集成学习算法,该算法能够较好地学习到标签匹配规律从而完成标签匹配.实验结果表明,与传统的多标签学习算法用于解决标签匹配问题相比,提出的新算法不仅缩小了搜索的标签空间的范围,而且最小化学习误差可以随着分类器个数的增加而降低,进而使得标签匹配分类更加快速、准确.
噹標識示例的兩箇標籤分彆來源于兩箇標籤集時,這種多標籤分類問題稱之為標籤匹配問題,目前還沒有針對標籤匹配問題的學習算法.儘管可以用傳統的多標籤分類學習算法來解決標籤匹配問題,但顯然標籤匹配問題有其自身特殊性.通過對標籤匹配問題進行深入的研究,在連續AdaBoost(real Adaptive Boosting)算法的基礎上,基于整體優化的思想,採用算法適應的方法,提齣瞭基于雙標籤集的標籤匹配集成學習算法,該算法能夠較好地學習到標籤匹配規律從而完成標籤匹配.實驗結果錶明,與傳統的多標籤學習算法用于解決標籤匹配問題相比,提齣的新算法不僅縮小瞭搜索的標籤空間的範圍,而且最小化學習誤差可以隨著分類器箇數的增加而降低,進而使得標籤匹配分類更加快速、準確.
당표식시례적량개표첨분별래원우량개표첨집시,저충다표첨분류문제칭지위표첨필배문제,목전환몰유침대표첨필배문제적학습산법.진관가이용전통적다표첨분류학습산법래해결표첨필배문제,단현연표첨필배문제유기자신특수성.통과대표첨필배문제진행심입적연구,재련속AdaBoost(real Adaptive Boosting)산법적기출상,기우정체우화적사상,채용산법괄응적방법,제출료기우쌍표첨집적표첨필배집성학습산법,해산법능구교호지학습도표첨필배규률종이완성표첨필배.실험결과표명,여전통적다표첨학습산법용우해결표첨필배문제상비,제출적신산법불부축소료수색적표첨공간적범위,이차최소화학습오차가이수착분류기개수적증가이강저,진이사득표첨필배분류경가쾌속、준학.
