基于可变贝叶斯风险的层次多标签分类算法研究

发布时间：2023-02-05 10:01

　　多标签分类方法被广泛应用于各个领域,如文本情感分类、图像标注、个性化推荐、生物学分类等。层次多标签分类方法是依据标签间的相关性将标签进行层次化组织,并将这种层次结构作为一种监督信息用于学习过程,从而更好地解决多标签分类问题。现有的层次多标签分类方法有两种,一种可称为损失无关方法,另一种可称为损失敏感方法。HMC-loss常作为损失敏感方法的损失函数,该损失函数可对假正和假负两种错误给予不同的权重,并将层次信息添加到损失函数当中。在使用基于HMC-loss损失的HIROM算法进行预测时,会产生预测标签数却远多于真实标签数的情况。此外,层次信息的引入会对标签结点的决策顺序产生不利影响,并且HIROM算法中利用的CSSA算法合并结点的过程是部分失效的。针对上述问题,本文首先提出了一种改进的损失函数IMH-loss;然后,基于最小风险贝叶斯决策理论,提出了一种改进HIROM的层次多标签分类方法HIROM-T,该算法在改变标签结点决策的顺序的同时,舍弃CSSA算法合并结点过程,降低了算法的复杂度。针对HIROM算法预测正类标签数远多于真实标签数的问题,本文提出了一种风险随决策进行而可变的层次多标... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文研究内容与组织结构
第二章 相关基本概念
    2.1 问题描述
    2.2 贝叶斯决策
    2.3 贪心策略
第三章 风险权重固定的层次多标签分类算法
    3.1 HIROM-T算法
        3.1.1 IMH-loss损失函数
        3.1.2 固定权重的风险表示
        3.1.3 风险最小化
        3.1.4 算法描述
    3.2 实验与分析
        3.2.1 数据集与评价指标
        3.2.2 实验结果与分析
    3.3 本章小结
第四章 风险权重可变的层次多标签分类算法
    4.1 HIRVM算法
        4.1.1 基于固定权重的风险最小化
        4.1.2 权重α和β可变的方法
        4.1.3 算法描述
    4.2 实验与分析
        4.2.1 数据集与评价指标
        4.2.2 实验结果与分析
    4.3 本章小结
第五章 总结与展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3734774