基于哈希的快速多標記學習算法研究.pdf

1、在傳統(tǒng)的監(jiān)督學習框架中每個樣本僅屬于一個類標記。然而，在現實中的許多應用環(huán)境中，一個樣本往往并不僅僅屬于單個標記，而是同時屬于多個標記，對這種問題進行學習的框架被稱為多標記學習。近年來，許多多標記學習算法被相繼提出，并成功應用到許多領域，取得了優(yōu)良的分類效果。然而這些方法通常是耗時的，無法處理大規(guī)模數據。隨著大數據時代的來臨，深入研究快速多標記學習算法具有重大的現實意義。
　　本文首先研究了多標記學習的方法，對相關算法進行了總結，

2、并分析了它們的優(yōu)缺點。然后將哈希學習的思想融入到多標記學習算法，提出了一種基于哈希的快速多標記學習算法HashMLL。該算法在k近鄰算法的基礎上引入了局部敏感哈希算法，可以快速進行近鄰查找，提高多標記學習的效率。另外，哈希學習會造成一定的性能損失，因此，本文還提出了一種基于MinHash的全局標記相關性計算方法來提高算法的準確度。同時，本文提出的HashMLL算法同時具有較強的泛化能力，可以利用其他的哈希方法進行近鄰查找以及引入更準確的