扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
多标记学习:理论.方法与应用/余鹰 版权信息
- ISBN：9787030647634
- 条形码：9787030647634 ; 978-7-03-064763-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
多标记学习:理论.方法与应用/余鹰 内容简介
多标记学习考虑一个对象对应多个类别标记的情况，是当前靠前机器学习领域研究的热点问题之一。粒计算是一个新兴的学科，主要是从多层次、多粒度的角度进行问题求解和信息处理，它通过选择合适的粒度来寻找问题的一种较好的、近似的解决方案，从而降低问题求解的难度，是人工智能领域中的一种新理念和新方法。本书将详细阐述多标记学习理论的相关的内容，包括多标记分类、多标记属性约简、标记分布、标记相关性建模等的原理和基本过程，并在基础上讨论粒计算方法下解决多标记学习问题的算法，并以实例的方式给出不同方法在不同领域的应用。本书可供计算机、软件工程、自动化等相关专业的研究人员、教师、研究生、高年级本科生和工程技术人员参考
多标记学习:理论.方法与应用/余鹰 目录
目录
第1章 绪论 1
1.1 引言 1
1.2 多标记学习 3
1.3 多标记分类 5
1.3.1 问题转换型 5
1.3.2 算法适应型 8
1.3.3 集成型 10
1.4 多标记维度约简 10
1.4.1 特征选择 10
1.4.2 特征提取 11
1.5 标记相关性分析 11
1.6 多标记学习评价指标 12
1.7 多标记数据集 15
1.7.1 自然场景数据集 16
1.7.2 音乐数据集 17
1.7.3 基因数据集 17
1.7.4 文本数据集 17
1.8 本章小结 18
第2章 基于邻域粗糙集的多标记分类 19
2.1 引言 19
2.2 相关工作 20
2.2.1 图像自动标注 20
2.2.2 邻域粗糙集模型 21
2.3 基于邻域粗糙集的多标记分类算法 23
2.4 实验与分析 27
2.4.1 实验数据集 27
2.4.2 实验设置 27
2.4.3 实验结果与分析 28
2.5 本章小结 34
第3章 基于深度神经网络的多标记分类 36
3.1 引言 36
3.2 相关工作 37
3.2.1 特征表达 37
3.2.2 迁移学习 38
3.3 基于改进CNN的多标记分类算法 39
3.3.1 算法框架 39
3.3.2 双通道神经元 40
3.3.3 损失函数 41
3.4 实验与分析 42
3.5 本章小结 48
第4章 基于邻域粗糙集的标记相关性分析 49
4.1 引言 49
4.2 相关工作 50
4.2.1 变精度邻域粗糙集 50
4.2.2 标记相关性 51
4.3 全局相关性分析 52
4.3.1 基本思想和框架 52
4.3.2 MLRS算法 54
4.4 局部相关性分析 55
4.4.1 基本思想和框架 55
4.4.2 MLRS-LC算法 56
4.5 实验仿真 57
4.5.1 实验数据集 57
4.5.2 判别阈值选择 58
4.5.3 实验设置 58
4.5.4 实验结果与分析 59
4.5.5 算法复杂度 69
4.6 本章小结 69
第5章 基于标记相关性的多标记三支分类 71
5.1 引言 71
5.2 相关工作 73
5.2.1 三支决策理论 73
5.2.2 贝叶斯网络模型 74
5.3 多标记三支分类算法 75
5.3.1 算法原理 76
5.3.2 标记相关性建模 77
5.3.3 算法描述 78
5.4 实验与分析 78
5.4.1 实验数据集 79
5.4.2 实验结果分析 79
5.5 本章小结 82
第6章 基于互信息的多标记特征选择 83
6.1 引言 83
6.2 相关工作 84
6.2.1 多标记特征选择 84
6.2.2 互信息理论 85
6.3 基于互信息的多标记特征选择算法 86
6.3.1 基本思想 87
6.3.2 算法描述 89
6.4 实验仿真 89
6.4.1 实验数据 89
6.4.2 实验设置 90
6.4.3 实验结果与分析 90
6.5 本章小结 97
第7章 一种粒化多标记特征选择算法 98
7.1 引言 98
7.2 相关工作 100
7.3 多标记特征选择算法 101
7.3.1 基本流程 101
7.3.2 标记粒化 102
7.3.3 大相关-小冗余条件 103
7.4 实验与分析 106
7.4.1 实验设置 106
7.4.2 标记粒化的有效性 107
7.4.3 不同算法的性能对比 115
7.5 本章小结 121
第8章 多标记决策知识获取的粗糙集方法 122
8.1 引言 122
8.2 相关工作 124
8.3 多标记决策系统的知识获取 125
8.3.1 离散型多标记决策系统知识获取 127
8.3.2 连续型多标记决策系统知识获取 128
8.4 实验仿真 131
8.4.1 DML算法实验与分析 131
8.4.2 CML算法实验与分析 133
8.5 本章小结 134
第9章 总结与展望 135
9.1 总结 135
9.2 展望 136
参考文献 138
第1章 绪论 1
1.1 引言 1
1.2 多标记学习 3
1.3 多标记分类 5
1.3.1 问题转换型 5
1.3.2 算法适应型 8
1.3.3 集成型 10
1.4 多标记维度约简 10
1.4.1 特征选择 10
1.4.2 特征提取 11
1.5 标记相关性分析 11
1.6 多标记学习评价指标 12
1.7 多标记数据集 15
1.7.1 自然场景数据集 16
1.7.2 音乐数据集 17
1.7.3 基因数据集 17
1.7.4 文本数据集 17
1.8 本章小结 18
第2章 基于邻域粗糙集的多标记分类 19
2.1 引言 19
2.2 相关工作 20
2.2.1 图像自动标注 20
2.2.2 邻域粗糙集模型 21
2.3 基于邻域粗糙集的多标记分类算法 23
2.4 实验与分析 27
2.4.1 实验数据集 27
2.4.2 实验设置 27
2.4.3 实验结果与分析 28
2.5 本章小结 34
第3章 基于深度神经网络的多标记分类 36
3.1 引言 36
3.2 相关工作 37
3.2.1 特征表达 37
3.2.2 迁移学习 38
3.3 基于改进CNN的多标记分类算法 39
3.3.1 算法框架 39
3.3.2 双通道神经元 40
3.3.3 损失函数 41
3.4 实验与分析 42
3.5 本章小结 48
第4章 基于邻域粗糙集的标记相关性分析 49
4.1 引言 49
4.2 相关工作 50
4.2.1 变精度邻域粗糙集 50
4.2.2 标记相关性 51
4.3 全局相关性分析 52
4.3.1 基本思想和框架 52
4.3.2 MLRS算法 54
4.4 局部相关性分析 55
4.4.1 基本思想和框架 55
4.4.2 MLRS-LC算法 56
4.5 实验仿真 57
4.5.1 实验数据集 57
4.5.2 判别阈值选择 58
4.5.3 实验设置 58
4.5.4 实验结果与分析 59
4.5.5 算法复杂度 69
4.6 本章小结 69
第5章 基于标记相关性的多标记三支分类 71
5.1 引言 71
5.2 相关工作 73
5.2.1 三支决策理论 73
5.2.2 贝叶斯网络模型 74
5.3 多标记三支分类算法 75
5.3.1 算法原理 76
5.3.2 标记相关性建模 77
5.3.3 算法描述 78
5.4 实验与分析 78
5.4.1 实验数据集 79
5.4.2 实验结果分析 79
5.5 本章小结 82
第6章 基于互信息的多标记特征选择 83
6.1 引言 83
6.2 相关工作 84
6.2.1 多标记特征选择 84
6.2.2 互信息理论 85
6.3 基于互信息的多标记特征选择算法 86
6.3.1 基本思想 87
6.3.2 算法描述 89
6.4 实验仿真 89
6.4.1 实验数据 89
6.4.2 实验设置 90
6.4.3 实验结果与分析 90
6.5 本章小结 97
第7章 一种粒化多标记特征选择算法 98
7.1 引言 98
7.2 相关工作 100
7.3 多标记特征选择算法 101
7.3.1 基本流程 101
7.3.2 标记粒化 102
7.3.3 大相关-小冗余条件 103
7.4 实验与分析 106
7.4.1 实验设置 106
7.4.2 标记粒化的有效性 107
7.4.3 不同算法的性能对比 115
7.5 本章小结 121
第8章 多标记决策知识获取的粗糙集方法 122
8.1 引言 122
8.2 相关工作 124
8.3 多标记决策系统的知识获取 125
8.3.1 离散型多标记决策系统知识获取 127
8.3.2 连续型多标记决策系统知识获取 128
8.4 实验仿真 131
8.4.1 DML算法实验与分析 131
8.4.2 CML算法实验与分析 133
8.5 本章小结 134
第9章 总结与展望 135
9.1 总结 135
9.2 展望 136
参考文献 138
展开全部
书友推荐
- >
我从未如此眷恋人间
我从未如此眷恋人间
¥16.4¥49.8 - >
月亮虎
月亮虎
¥15.4¥48.0 - >
自卑与超越
自卑与超越
¥29.5¥39.8 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.1¥39.8 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥43.2¥48.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
回忆爱玛侬
回忆爱玛侬
¥10.5¥32.8 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
