计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
4期
316-320
,共5页
多标签学习%RBF神经网络%k-均值聚类%AP聚类
多標籤學習%RBF神經網絡%k-均值聚類%AP聚類
다표첨학습%RBF신경망락%k-균치취류%AP취류
Multi-label learning%RBF neural networks%k-means clustering%AP clustering
针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法.该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类.采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huff man树来选取初始聚类中心以防k-均值聚类结果陷入局部最优.然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络.在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类.
針對已有的RBF神經網絡多標籤算法未充分攷慮多箇樣本標籤之間的關聯性,從而導緻汎化性能受到一定影響的問題,研究分析瞭一種改進型RBF神經網絡的多標籤算法.該算法首先優化隱含層RBF神經網絡基函數中心求取算法——k-均值聚類.採用AP聚類自動尋找k值以穫得隱含層節點數目,併構造Huff man樹來選取初始聚類中心以防k-均值聚類結果陷入跼部最優.然後構造體現標籤類之間信息的標籤計數嚮量C,併將其與由優化k-均值聚類得到的聚類中心進行線性疊乘,進而改進RBF神經網絡基函數中心,建立RBF神經網絡.在公共多標籤數據集emotion上的實驗錶明瞭該算法能夠有效地進行多標籤分類.
침대이유적RBF신경망락다표첨산법미충분고필다개양본표첨지간적관련성,종이도치범화성능수도일정영향적문제,연구분석료일충개진형RBF신경망락적다표첨산법.해산법수선우화은함층RBF신경망락기함수중심구취산법——k-균치취류.채용AP취류자동심조k치이획득은함층절점수목,병구조Huff man수래선취초시취류중심이방k-균치취류결과함입국부최우.연후구조체현표첨류지간신식적표첨계수향량C,병장기여유우화k-균치취류득도적취류중심진행선성첩승,진이개진RBF신경망락기함수중심,건립RBF신경망락.재공공다표첨수거집emotion상적실험표명료해산법능구유효지진행다표첨분류.
