多标记相关论文
针对传统的ReliefF算法仅能处理单标记数据,以及其改进算法没有充分利用样本间相关性等问题,提出一种基于改进ReliefF的多标记特征......
在移动计算环境中，保持主数据库和移动数据库的数据一致性对移动应用系统来说是至关重要的，而数据同步复制技术则是用来保证数据一致......
随着网络社交平台、安防视频监控的普及,如何在大规模人脸数据库中根据需求高效、准确查询并检索到相关的人脸图像成为计算机视觉......
针对一示例同属多类的问题,提出多标记支持向量机并在此基础上构建基于访问页面的多标记用户分类系统.该系统首先对Web页面进行预......
现有多标记迁移学习主要利用全局标记关系信息，由于源领域与目标领域的标记关系存在差异，源领域中全局标记关系不适合于目标领域．本文......
为提高异构物联网感知设备可信数据的挖掘和检测能力,提出基于局部子空间的可信数据多标记特征选择算法.建立异构物联网感知设备可......
数量性状的遗传率低时，常采用R2：3设计进行遗传分析，但往往忽略异质家系内QTL的混合分布特性。同时，用多QTL模型检测QTL会提高QTL检测......
在多标记研究中，对于标记间相关性的利用已经越来越广泛，从而标记关系的展示就很有必要。相对以往的研究而言，由于多标记数据的高维特......
在多标记学习中，标记之间往往既不是完全独立也不是完全排斥的，因此在构建多标记分类器时要充分利用标记之间的依赖关系。目前利用标......
提出了一种考虑标记间依赖关系的多标记分类算法.首先依据RAk EL算法将标记集合划分为若干子集,然后在子集内部应用概率分类器链算......
提出了基于随机标记子集的多标记数据流分类算法,其基本思想是在多标记分类过程中,将原始较大的标记集随机地划分为多个较小的标记......
观察肺癌患者99例,肺炎患者60例和对照者23名血清和支气管肺泡灌洗液的癌胚抗原、溶菌酶、铁蛋白和β_2-微球蛋白的浓度。比较了病......
多标记学习是实际应用中的一类常见问题,覆盖算法在单标记学习中表现出了优秀的性能,但无法处理多标记情况。将覆盖算法推广到多标......
粒计算是知识表示与数据挖掘的一种方法．在粒计算看来，一个粒是由多个比较小的颗粒组成更大的一个单元．在许多场合下，由于不同标记尺度......
针对多源异构蛋白质相互作用网络信息量大、数据冗余导致预测结果不能充分反映数据分布信息的问题,将功能类别网络和蛋白质相互作......
哈希方法具有存储成本低、查询速度快等优点.但是,大多数哈希方法只用于处理单标记问题,较少用于图像多标记问题.因此,文中提出多......
针对传统特征选择算法无法处理流特征数据、冗余性计算复杂、对实例描述不够准确的问题,提出了基于粗糙集的数据流多标记分布特征......
基于密度的局部离群点检测算法（LOF）不适用于解决高维度、多义性的数据集检测.通过对LOF算法的分析,提出了一种基于多标记学习（Multi-......
多标记分类问题广泛存在于现实的各种应用中,例如图像注释、文本标注、生物信息基因学、医疗诊断和金融分析等。其中,生物学、医疗......
随着个人计算机和互联网上数字图像数量的快速增长,用户越来越多借助于＂语义概念＂来检索感兴趣图像。然而由于图像底层特征刻画和高......
多标记分类器链中标记的预测顺序具有随机性,导致学习性能下降,容易造成错误信息的传递.考虑到标记的顺序性,文中提出基于多标记重......
提出一种过滤式的多标记数据特征选择框架,并在卡方检验基础上进行实现和实验研究。该框架计算每个特征在各个类标上的卡方检验,然......
真实世界的对象具有多义性,具有非单一的多种标记。对于多标记的学习,现阶段的工作虽然能够利用标记间的重用评分分析多标记间的关......
特征选择是解决数据高维性的一种有效方法,传统的特征选择算法常用经典信息论知识去度量特征的重要度,却忽略了标记和未标记数据的......
在许多场合下,把论域中的每一个对象或元素区分开来是没有必要的.用粒计算的观点来看,由小的部分可以组成较大的粒.而在同粒度层次......
在粒计算看来,一个粒是由多个比较小的颗粒组成更大的一个单元.在许多场合下,由于不同尺度对数据集分割而得到不同层次的信息粒度,......
以谷氨酸产生菌Corynebactelium SP·Hu7251为出发菌株,经NTG多次诱变,获得一株多标记突变株Am142—302(AHV~r,AHC~r、2-TA~r、Mef......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
已有的基于遗传算法的多标记特征选择算法成功地提高了多标记分类的准确率,但其求得高质量解的时间成本叫高,计算效率较低,基于此,......
数据降维可以有效保留数据中关键特征,提高数据的分类性能。基于此,引入奇异值分解(SVD)对数据进行维度约简,提出基于SVD与核极限......
对于多标记学习,不同的标记对区分样本有着不同程度的作用,因此,根据标记的重要性为不同标记赋予不同权重可能有利于提高多标记学......
在多标记决策系统中,每个对象由单个实例进行表示,同时对应于多个决策属性。粗糙集理论已有的研究工作主要集中在单一决策系统的研......
标记分布学习是近年来提出的-种新的机器学习范式, 它能很好地解决某些标记多义性的问题.现有的标 记分布学习算法均利用条件概率......
社交网络平台(例如新浪微博、Facebook等)用户身份挖掘是数据挖掘领域的新兴研究内容,本文针对其中两个重要问题,即用户身份标注和......
信息技术的飞速发展带来了信息过载问题,它使用户很难从海量的数据中获取有用的信息.自动分类作为解决信息过载问题的有效手段,已......
本文说明了我国学者提出的“多值标记函教”与国外学者提出的“复杂特征”在实质上是一致的,而汉语句子的自动处理特别需要采用这......
传统的机器学习主要解决单标记学习,即一个样本仅有一个标记.在生物信息学中,一个基因通常至少具有一个功能,即至少具有一个标记,......
决策树是机器学习中应用最广泛的算法之一,是图模型与概率决策表相结合的概率图模型。它用直观易懂的图形方式来表示观测变量与类......
针对多标记迁移学习中源领域与目标领域的特征分布差异会导致源领域数据无法被目标领域利用的问题,提出了一种基于最大均值差异的......
多粒度是当前粒计算研究的一个重要方面.在实践中,人们往往选择比较合适的粒度层次来解决问题.作为信息系统的一种特殊情况,多粒度......
