多标记分类相关论文
多标记排序任务是多标记分类任务和标记排序任务的结合。在多标记排序任务中,对于一个示例,多标记排序模型需要为它预测预定义标记......
多标记特征选择一直是数据挖掘领域中数据预处理的关键技术之一。随着互联网技术的高速发展,多标记数据在各个领域以在线的形式持......
传统的分类任务假定一个示例只能从有限类别集合中分配一个标记。然而,在现实应用中,一个示例往往具有复杂的语义,需要同时用多个......
当前互联网中存在着大量包含多种语义信息的对象,传统的的单标记学习框架已经难以有效的去处理这些多义性对象,多标记学习框架则可......
多标记分类研究中,一个示例（由属性/特征向量表示）会关联多个类别标记,利用多标记数据可以构造一个从示例映射到类别标记集合的分类......
Fisher Score(FS)是一种快速高效的评价特征分类能力的指标,但传统的FS指标既无法直接应用于多标记学习,也不能有效处理样本极值导......
随着人工智能的深入发展和科技的飞速进步,传统监督学习已经无法满足日益复杂的学习问题和数据形式。在现实生活场景中,常需要基于......
随着计算机技术、网络技术和数据库技术的迅速发展,现实中越来越多的应用都与多值属性、多标记数据密切相关,因此多值属性和多标记......
多标记学习自出现以来，为各领域普遍存在的多义或歧义性问题提供了有效的解决办法，弥补了传统单标记学习的不足。作为机器学习及数据......
多标记分类研究一个对象同时与多个标记相关的问题。与传统的单标记分类相比,多标记分类更普遍,在许多领域,例如多主题文本分类、......
多标记学习作为一种解决多义性对象学习建模的框架,其研究成果已经广泛应用到诸如文本分类、网页分类、场景分类等分类问题中,已然......
多标记学习是机器学习中的重要研究内容,倍受研究者的关注。至今,已提出了一系列高效的多标记分类算法,但对标记缺失、标记过多、......
公安案件文本语义特征提取指的是从案件文本中提取案件的作案方式等特征.从本质上说问题是一类特殊的文本分类问题.构建了基于卷积......
在多标记学习中,一个样本不仅同时具有多个标记,而且还由高维特征描述,解决特征间的相关性和冗余性以应对维数灾难问题是多标记学......
由于一个类别在层次树上可能存在多个镜像,基于层次树来进行分类可能会导致不一致性。一种自然的解决方法是采用图结构来描述类别......
在多标记分类问题中,有效地利用标记间的依赖关系是进一步提升分类器性能的主要途径之一。基于分类器链算法,利用互信息度量理论构......
一个镜头中的语义概念通常依赖于其他多个语义概念,几个同时出现的语义概念决定着另一个语义概念的出现。为此提出一种概念间关联......
在多标记分类问题当中,多标记分类器的目的是为实例预测一个与其关联的标记集合。典型方法之一是将多标记分类问题转化为多个二类......
针对当前多标记分类学习中建模高阶标记相关性存在的误差传播问题,提出一种基于类属特征和依赖标记的多标记分类算法(CFDL)。首先,......
多数多标记学习方法通过在输出空间中，单示例同时与多个类别标记相关联表示多义性，目前有研究通过在输入空间将单一示例转化为示例包......
热词提取对于监控和分析农业舆情具有重要意义,目前已有一定研究基础,但仍存在针对性差等问题,无法满足农业领域不同产业用户群的......
多标记分类任务中的数据通常是高维的,直接利用高维数据建模可能导致训练效率低下,模型复杂,同时可能影响分类效果.针对多标记数据......
在已有的特征选择算法中,常用策略是通过相关准则选择与标记集合相关性较强的特征,然而该策略不一定是最优选择,因为与标记集合相......
针对信息增益特征选择方法没有很好考虑多标记的分布,在多标记文本分类中表现不佳的问题,用标记矩阵的协方差改善特征选择时标记之......
提出一种将基于聚类集成修剪同动态选择与循环集成结合的方法.首先,利用基于K-均值聚类算法的修剪策略对全部的候选分类器进行筛选......
目的：设计一个慢性乙型肝炎用药推荐系统,对该类住院患者的临床用药进行预测,解决医生主观用药和不规范用药等问题。方法：运用机器学......
在多标记学习框架中，特征选择是解决维数灾难，提高多标记分类器的有效手段。提出了一种融合特征排序的多标记特征选择算法。该算法首......
在多标记学习中,属性约简是解决多标记数据维数灾难的一个关键技术.针对邻域粗糙集属性约简在计算正域代价较大和多标记数据中标记......
为了缩减不同模态数据间的语义鸿沟,提出一种结合深度卷积神经网络和集成分类器链的多标记图像语义标注方法.该方法主要由生成式特......
为了更有效地对多标记图像进行分类,提出一个改进的卷积神经网络模型,通过融合多层次特征并利用空间金字塔池化来学习多标记图像中......
随着中医信息化发展,中医诊断的客观化研究日益受到国内外重视。如何充分利用宝贵的中医临床数据资源来为中医学诊疗提供科学决策......
中文产科电子病历中蕴含着大量的医疗知识和健康信息,电子病历的信息抽取及辅助诊断对提高人口的生育健康水平具有重要意义。电子......
多标记分类问题在文本分类、图像标注和基因功能组学习等领域都有很好的应用前景．考虑到多标记分类问题中的不确定性和相关性问题，引......
提出了多标记分类和标记相关性的联合学习（JMLLC）,在 JMLLC 中,构建了基于类别标记变量的有向条件依赖网络,这样不仅使得标记分类器......
在多标记学习中,特征选择是解决多标记数据高维性的有效手段。每个标记对样本的可分性程度不同,这可能会为多标记学习提供一定的信......
传统的机器学习技术需要使用大量有标记样本进行训练,但是在很多实际应用中,获取大量的有标记样本相当困难,因为标记样本往往需要......
多标记分类是机器学习和数据挖掘中一个重要的研究问题,其目的是为了预测实例同时具有的多个标记。在大多实际应用中,实例的多个标......
多标记学习考虑单个样例与多个类别标记相关联的情况,类别不平衡主要研究样本不均衡带给算法的影响,两者均是当前机器学习研究领域......
类属属性学习避免相同属性预测全部标记,是一种提取各标记独有属性进行分类的一种框架,在多标记学习中得到广泛的应用。而针对标记......
针对多标记分类过程中特征信息不能被有效利用的问题,笔者提出了一种基于多视角数据嵌入的多标记分类算法MVE,通过嵌入多视角的数......
针对多数已有的计算方法无法同时预测抗菌肽的多种功能类型的问题,提出一种基于伪氨基酸组成和多标记最近邻算法的抗菌肽功能类型......
提出一种结合词频-逆向文件频率(TF-IDF)规则与多标记分类的歌曲情感分析方法。对歌曲中基于声学特征的音乐内容,用带向量夹角的多......
多标记学习考虑单个样例与多个类别标记相关联的情况,类别不平衡学习主要研究样本不均衡带给算法的影响,两者均是当前机器学习研究......
利用已经分类得到的类别标记结果之间的相关性,提出一种迭代的改进ML-KNN算法(I-ML-KNN),以提高多标记文本的分类效果.实验表明,改......
