多标签数据的降维与分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 数据降维研究现状 | 第10-12页 |
| 1.2.2 数据分类研究现状 | 第12-13页 |
| 1.2.3 数据流中多标签学习研究现状 | 第13-14页 |
| 1.3 本文主要内容以及章节安排 | 第14-16页 |
| 1.3.1 主要内容 | 第14-15页 |
| 1.3.2 章节安排 | 第15-16页 |
| 2 相关理论及定义 | 第16-26页 |
| 2.1 引言 | 第16-17页 |
| 2.2 数据降维 | 第17-20页 |
| 2.2.1 高维数据相关概念定义 | 第17-18页 |
| 2.2.2 多标签降维及挑战 | 第18-19页 |
| 2.2.3 多标签降维经典算法 | 第19-20页 |
| 2.3 数据分类 | 第20-24页 |
| 2.3.1 多标签分类及挑战 | 第20-21页 |
| 2.3.2 多标签分类经典算法 | 第21-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 多标签静态数据中降维与分类实现 | 第26-47页 |
| 3.1 引言 | 第26-27页 |
| 3.2 多标签降维算法MLKDA | 第27-34页 |
| 3.2.1 多标签降维算法提出 | 第27-30页 |
| 3.2.2 考虑标签关系 | 第30-31页 |
| 3.2.3 核映射MLKDA | 第31-33页 |
| 3.2.4 MLKDA算法 | 第33-34页 |
| 3.3 多标签ELM分类算法 | 第34-37页 |
| 3.3.1 ELM分类过程 | 第34-36页 |
| 3.3.2 本文多标签ELM分类过程 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-46页 |
| 3.4.1 实验数据 | 第37-38页 |
| 3.4.2 实验方案 | 第38-40页 |
| 3.4.3 降维算法比较实验结果及分析 | 第40-44页 |
| 3.4.4 分类算法比较实验结果及分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 多标签数据流中降维与分类实现 | 第47-56页 |
| 4.1 引言 | 第47页 |
| 4.2 多标签数据流学习过程 | 第47-50页 |
| 4.2.1 多标签数据流中的挑战及解决方法 | 第47-48页 |
| 4.2.2 多标签数据流学习过程 | 第48-50页 |
| 4.3 实验结果及分析 | 第50-55页 |
| 4.3.1 实验数据 | 第50页 |
| 4.3.2 实验方案 | 第50-51页 |
| 4.3.3 实验结果及分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
