基于貝葉斯模型和馬爾可夫型多標簽分類算法
大?。?/span>0.85 MB 人氣： 2017-12-25 需要積分：1
針對二元關(guān)聯(lián)法（BR）未考慮標簽之間相關(guān)性，容易造成分類器輸出在訓(xùn)練集中不存在或次數(shù)較少標簽的不足，提出了基于貝葉斯模型的多標簽分類算法（ MLBM）和馬爾可夫型多標簽分類算法（MMLBM）。首先，建立仿真模型分析BR算法的不足，考慮到標簽的取值應(yīng)由屬性置信度和標簽置信度共同決定，提出MLBM。其中，通過傳統(tǒng)的分類算法計算獲得屬性置信度，以及通過訓(xùn)練集得到標簽置信度。然后，考慮到MLBM在計算屬性置信度時必須考慮所有已分類的標簽，分類器的性能容易受無關(guān)或弱關(guān)系的標簽影響，所以使用馬爾可夫模型簡化置信度的計算提出了MMLBM。理論分析和仿真實驗表明，與BR算法相比，MMLBM的平均分類精度在emotions數(shù)據(jù)集上提高約4. 8%，在yeast數(shù)據(jù)集上提高約9.8%，在flags數(shù)據(jù)集上提高約7.3%。實驗結(jié)果表明，當數(shù)據(jù)集中實例的標簽基數(shù)較大時，相對于BR算法，MMLBM的準確性有較大的提升。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于貝葉斯模型和馬爾可夫型多標簽分類算法下載
相關(guān)電子資料下載
- 3.GraphSAGE[9]：generalized aggregation方法 322
- 貝葉斯優(yōu)化是干什么的(原理解讀) 684
- 貝葉斯深度學(xué)習(xí)介紹 425
- 關(guān)于貝葉斯概念進行形式化的建模和推理 319
- 貝葉斯網(wǎng)絡(luò)的因果關(guān)系檢測(Python) 572
- 什么是卡爾曼濾波？卡爾曼濾波過程步驟 1764
- 機器學(xué)習(xí)4個超參數(shù)調(diào)優(yōu)方法 403
- 機器學(xué)習(xí)有哪些算法？機器學(xué)習(xí)分類算法有哪些？機器學(xué)習(xí)預(yù)判有哪些算法？ 1621
- 機器學(xué)習(xí)theta是什么？機器學(xué)習(xí)tpe是什么？ 1418
- 每日一課 | 智慧燈桿視覺技術(shù)之圖像分類算法與步驟分解 322