单一神经网络对训练集未出现特征组合数据的多标签判定

发布时间：2024-04-08 02:47

　　目的:结合深度学习算法,探究一种算法,使得多标签分类中,在测试集里出现训练集中从未出现过的数据标签组合,使用此算法能够作出较为准确的判断,并使用尽可能少的时间。这对于传统的深度学习多标签学习算法来说是一种改良,也为深度学习可解释性提供了一种新的思路。方法:截取神经网络中间层的特征,使用线性方法降维,通过计算降维后点的概率分布,并计算数据点到各个单一标签分类中心的欧式距离,从而判断出此数据属于某单一标签还是不同的标签组合。结果:通过网络中间层发现不同的标签组合与单一标签之间存在一定程度的线性关系,使用本文提供的算法,网络能够判断出训练集中不存在的标签组合,这是以前利用深度学习的多标签算法达不到的。此方法仅需要使用一个神经网络,大大节省了计算时间。结论:神经网络能够将不同特征的分布情况反映出来,可以通过中间层的特征得出结论。虽然计算的精确度有待提升,但是对于目前而言,证明其有一定的可行性。此算法具有一定的创新性,与原有的算法不同,可以推测训练集中所不包含的情况,说明深度学习的特征可以聚类,并在一定程度上反映原始数据的特征,为深度学习可解释性理论的研究做出一点贡献。

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

图2.1本系统的流程框图

中国医科大学硕士学位论文22材料和方法2.1软硬件环境本文使用客户端编程用计算机CPU为i5-3470，内存为16G。代码可以同时运行于实验室其他机型的计算机。服务器端CPU为E3，内存为16G。服务端代码与数据库均运行于此机器上。客户端软件使用MicrosoftVisualSt....

图2.2MVVM设计模式下的代码

中国医科大学硕士学位论文4重构后使用MVVM(Model-View-ViewModel)模式[9]进行代码的编写工作。MVVM的设计模式旨在分离界面代码与后端代码，使其解耦，这样在添加或删除某些功能时，便可以在指定位置进行编写，而不会牵一发而动全身。其中，MVVM的设计模式使用M....

图3.1客户端查询界面

中国医科大学硕士学位论文53结果由于服务器中不存在界面，其运行结果从客户端请求的数据中体现，所以本文仅展示客户端结果。本文所叙述的系统为实验室中的基础工作，经过三年来的检验，其运行稳定，效率较高。同时能够很方便地在代码中添加不同的功能，满足实验室不同同学的需求。当打开客户端时，便....

图3.2客户端显示的心电数据

中国医科大学硕士学位论文6的数据信息，方便对数据进行分析。查询后显示的心电数据如下图所示：图3.2客户端显示的心电数据此处所显示的心电图信息，方便了数据的分析工作，大大提高了科研效率。

本文编号：3948367