0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 图形图像/多媒体 > 多标记学习：理论、方法与应用

相同语种的商品

销售排行榜

浏览历史

多标记学习：理论、方法与应用


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
多标记学习：理论、方法与应用
  • 书号：9787030647634
    作者：余鹰
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：148
    字数：200000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2020-06-01
  • 所属分类：
  • 定价： ￥88.00元
    售价： ￥69.52元
  • 图书介质:
    按需印刷

  • 购买数量： 件  缺货，请选择其他介质图书！
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

多标记学习指一个样本可能对应多个语义标记的学习框架，在文本分类、基因功能分类、图像识别等领域广泛存在。多标记学习因其问题的复杂性及广泛的应用背景，得到了越来越多的重视与研究。多标记学习的研究主要围绕降低特征空间或标记空间的复杂性，提高多标记学习算法的精度而展开。本书主要介绍多标记分类、多标记特征降维、标记关系分析及多标记决策知识获取的理论、模型和方法，并力求展现多标记学习领域的最新研究成果。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

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 最大相关-最小冗余条件 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
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com